INDICATORI DI FUNZIONAMENTO DI SISTEMI DI ALLERTA PER FRANE PLUVIO-INDOTTE A SCALA REGIONALE

Transcript

1 INDICATORI DI FUNZIONAMENTO DI SISTEMI DI ALLERTA PER FRANE PLUVIO-INDOTTE A SCALA REGIONALE Luca Piciullo, Michele Calvello, Rosa Mari Dipartimento di Ingegneria Civile - DICIV, Università degli studi di Salerno lpiciullo@unisa.it; mcalvello@unisa.it; rosamichela.mari@gmail.com Sommario La nota presenta una metodologia per la valutazione dell efficacia di modelli di correlazione piogge-eventi franosi da utilizzare in sistemi da frana a scala regionale. La metodologia proposta è basata sull aggregazione tipologica, e temporale delle frane e sull utilizzo di una matrice di indicatori di funzionamento in cui i livelli sono riportati in funzione della densità areale degli eventi franosi. In questo modo, l efficacia di un modello di correlazione può essere valutata in funzione del numero di volte in cui il modello produce: allerte ed assenza di allerte corrette, allerte con livello non adeguato alla densità dell evento franoso, false allerte, mancate allerte. La procedura proposta è applicata ad un caso di studio utilizzando due differenti modelli di correlazione piogge-frane (Martelloni et al. 2012, BURC 2005). L area di riferimento del caso di studio è la penisola sorrentina ed il periodo di analisi è il biennio Introduzione I sistemi (es. da frana, da tsunami, da ciclone, da terremoto) sono un importante strumento di mitigazione del rischio per la vita umana di tipo non-strutturale. Essi possono essere definiti come l insieme di capacità necessarie a produrre e diffondere allerte tempestive ed efficaci al fine di attivare persone, comunità e organizzazioni esposte a rischio, a prepararsi e agire in maniera appropriata e tempestiva con lo scopo di ridurre la possibilità di danno o perdita (UNISDR 2009). Come riportato in Figura 1a tali elementi possono essere sintetizzati in 4 componenti principali: conoscenza del rischio; monitoraggio; diffusione e comunicazione delle allerte; capacità di risposta degli elementi esposti a rischio (UNISDR 2006). Con riferimento al processo di progettazione e gestione di un sistema di allerta da frana, Calvello et al. (2014) propongono una schematizzazione a ruota basata su più livelli approfondimento e caratterizzata da 4 anelli concentrici che indicano: le competenze necessarie, le attività da svolgere, i mezzi da utilizzare e gli elementi base del sistema (Figura 1. a) Fig. 1. a) Le quattro componenti principali di un sistema (da UNISDR, 2006) Schematizzazione del processo di progettazione e gestione di un sistema da frana (da Calvello et al., 2014).

2 Incontro Annuale dei Ricercatori di Geotecnica IARG Materiali e metodi 2.1 Modelli di correlazione per frane pluvio-indotte in sistemi a scala regionale In letteratura esistono numerose leggi di correlazione piogge-frane per sistemi a scala regionale (per una dettagliata revisione dello stato dell arte vedi: Guzzetti et al. 2007) e diversi sono i modelli con i quali, attraverso un algoritmo decisionale, si definiscono i livelli e la loro attivazione al superamento di soglie predefinite. Le soglie utilizzate nelle leggi di correlazione fanno riferimento a variabili collegate all innesco dei fenomeni franosi oggetto di analisi e sono, pertanto, generalmente definite in funzione delle caratteristiche dell andamento del regime pluviometrico, più raramente in funzione delle caratteristiche del regime delle pressioni neutre nel sottosuolo. La procedura e le analisi presentate in questa nota utilizzano due differenti modelli di correlazione piogge-frane proposti in letteratura: il modello SIGMA (Martelloni et al. 2012) ed il modello utilizzato nell ambito del sistema mento della Regione Campania (BURC 2005). 2.2 Il modello SIGMA Il Modello SIGMA (Martelloni et al. 2012, Lagomarsino et al. 2013) mira all individuazione delle soglie pluviometriche attraverso un approccio statistico a scatola chiusa, che trascura cioè i processi fisici che intercorrono tra l evento di precipitazione e l innesco dei fenomeni franosi. Il modello è stato sviluppato a partire dal metodo di analisi statistica delle precipitazioni cumulate a finestra di ampiezza variabile (Galliani et al. 2001) e prevede lo studio delle precipitazioni cumulate su periodi compresi tra 1 e 365 giorni. Il principale aspetto innovativo del modello SIGMA ridiede nell utilizzo di differenti valori di deviazione standard di misure giornaliere di eventi pluviometrici, calcolati sulla base di serie storiche opportunamente lunghe, per individuare eventi pluviometrici straordinari, per i quali si ipotizza una probabilità crescente di innescare fenomeni franosi. In particolare, le soglie derivano da un particolare valore di deviazione standard, corrispondente a una crescente probabilità di non superamento, per il quale si calcola la frequenza cumulata corrispondente e, di conseguenza, la precipitazione giornaliera di riferimento da utilizzare come soglia d allerta. L algoritmo decisionale del modello SIGMA permette di considerare sia le frane superficiali sia quelle profonde in base al concetto che le prime sono innescante essenzialmente da eventi meteorici brevi e intensi mentre le seconde da eventi più lunghi e meno intensi. L algoritmo prevede 4 livelli /criticità, la cui attivazione dipende dal confronto tra valori della precipitazione giornaliera e valori di soglia funzione di moltiplicatori della deviazione standard secondo il seguente schema (Figura 2): criticità alta, se il valore della cumulata supera la soglia corrispondente a 3 ; moderato, se il valore della cumulata supera la soglia corrispondente a 2,5 ; ordinario, se il valore della cumulata supera la soglia corrisponde a 1,5 ; assente, se non viene superata nessuna soglia. Nel caso di studio utilizzato in questa nota si considerano esclusivamente le frane superficiali, di conseguenza la relazione utilizzata nell algoritmo fa riferimento alle precipitazioni cumulate da 1 a 3 giorni, che possono essere calcolate attraverso la seguente espressione: C 1-3 = ( ) ( ) (Eq. 1) dove: C 1-3 è il vettore delle cumulate delle precipitazioni giornaliere al tempo di analisi t; S n ( ) sono le soglie relative alla deviazione standard ed al numero di cumulate di n giorni. no no no si si si Alta criticità Moderata criticità Ordinaria criticità Assenza di criticità Fig. 2. Algoritmo decisionale semplificato del modello SIGMA, così come utilizzato per il caso di studio descritto in questa nota (modificato da Martelloni et al. 2012).

3 Incontro Annuale dei Ricercatori di Geotecnica IARG Il sistema mento per il rischio idrogeologico della Regione Campania Il sistema mento per il rischio idrogeologico e idraulico della Regione Campania, il cui funzionamento è esplicitato nel d.p.g.r. n. 299 del 30/06/2005 (BURC 2005), individua nei precursori pluviometrici (altezze di pioggia in varie finestre temporali) i campanelli di allarme atti a far scattare il sistema una volta che questi superano determinati valori soglia prefissati. Ad ogni comune della Campania è attribuita una classe di rischio sulla base di una suddivisione in 6 classi. Le prime cinque classi di rischio (da I a V) fanno riferimento al rischio da alluvione e sono basate su un analisi morfologica che porta in conto la dimensione dei bacini idrografici che interessano il territorio comunale; per ciascuna classe di rischio i precursori pluviometrici sono opportunamente definiti in funzione di aggregazioni temporali (da 1 a 48 ore) via via crescenti all aumentare della dimensione dei bacini idrografici. Con riferimento alle frane, la classe rilevante è la classe VI, alla quale appartengono i comuni il cui territorio è stato classificato a rischio per frane superficiali e/o colate rapide di fango ed alla quale corrispondono indicatori pluviometrici puntuali con durata di aggregazione temporale pari a 24, 48 e 72 ore. I livelli del sistema sono quattro. Per l attivazione degli stati superiori allo stato ordinario, rispettivamente definiti di attenzione, pre-allarme e allarme, le piogge misurate sono confrontate con valori soglia dei precursori pluviometrici definiti sulla base dell analisi statistica di serie storiche di precipitazione considerando un tempo di ritorno rispettivamente pari a 2, 5 e 10 anni. 2.4 Il caso di studio L area di riferimento del caso di studio è la penisola sorrentina -e zone limitrofe-, nella quale sono presenti 21 pluviometri della rete regionale e nella quale si sono registrate, nel periodo di analisi relativo agli anni 2011 e 2012, 43 frane (Figura 3). I dati pluviometrici utilizzati in questo studio sono stati forniti agli scriventi dal centro funzionale della protezione civile regionale, mentre i dati relativi alle frane provengono dal progetto franeitalia, un censimento dei fenomeni franosi a scala nazionale che si basa sulla consultazione di fonti giornalistiche reperibili on-line a partire dal 1 gennaio 2011 (Calvello et al. 2013). L area di studio è stata suddivisa in quattro zone che possono essere ritenute, sulla base di un analisi preliminare dei dati pluviometrici a disposizione, a piovosità relativamente omogenea: zona est (comuni di Cava de Tirreni, Cetara, Vietri sul mare, Salerno); zona sud (comuni della zona costiera Amalfitana); zona ovest (comuni della zona costiera sorrentina e dell isola di Capri); zona nord (restanti comuni). La divisione è stata altresì basata su considerazioni di carattere orografico e rispettando i limiti amministrativi comunali. Fig. 3. Area di studio: localizzazione pluviometri e frane nel periodo di analisi In questo lavoro, il modello SIGMA e quello presentato nel BURC 01/08/2005 sono stati applicati nelle zone Est e Nord dell area di studio (Figura 4) considerando i seguenti dati del periodo di analisi : registrazioni pluviometriche dei pluviometri di Cava de Tirreni (quota 196 m s.l.m.) per la zona est e Corbara-S.Egidio (quota 475 m s.l.m.) per la zona nord; frane occorse nelle due zone. I pluviometri considerati appartengono entrambi a comuni considerati a rischio di colate rapide di fango

4 Densità Incontro Annuale dei Ricercatori di Geotecnica IARG 2014 nell ambito della classe di rischio VI del sistema mento regionale campano (BURC 2005). Durante il periodo di analisi il database franeitalia censisce 13 frane nella zona est e 8 frane nella zona nord. Per le analisi di correlazione tali fenomeni sono stati raggruppati, come specificato nel paragrafo seguente, in 9 eventi franosi e 4 eventi franosi, rispettivamente per le zone est e nord. a) Fig. 4. Localizzazione frane e pluviometro di riferimento per: a) zona Est, pluviometro di Cava dei Tirreni; zona Nord, pluviometro di Corbara-S.Egidio 2.5 La metodologia proposta La proposta di valutazione dell efficacia di modelli a scala regionale per frane pluvio-indotte è basata sull introduzione di una matrice di indicatori di funzionamento che consente di portare in conto le allerte emesse durante l accadimento di fenomeni franosi (A&L), le mancate allerte (MA), le false allerte (FA) e la corretta assenza di allerte (TN&NL) in funzione della distribuzione dell evento franoso e del livello (Figura 5). In questo quadro, per evento franoso si intende l insieme di una o più frane raggruppate in base alla tipologia ed alla loro distribuzione e temporale. La distribuzione dell evento franoso è in questo lavoro espressa attraverso una densità di frana, D, distinta in quattro classi: densità nulla, per D=0; densità piccola (D P ) per D 0,02 frane/km 2 ; densità intermedia (D I ) se D è compreso tra 0.02 e 0.1 frane/km 2 ; densità grande (D G ) per D 0,1 frane/km 2. I livelli considerati nella matrice sono, in accordo con quelli individuati nei due modelli oggetto di analisi, quattro: alto (A), medio (M), basso (B) e ordinario (O). La matrice degli indicatori di funzionamento è pertanto suddivisibile in 4 zone: A&L; MA, FA, TN. All interno delle diverse zone della matrice si possono avere differenti gradi di soddisfacimento: estremamente positivo (in verde), accettabile (in giallo), negativo (in arancione) ed estremamente negativo (in rosso). Ad esempio, per la zona A&L, l emissione di un allerta di livello basso (B) in concomitanza di un evento franoso di densità grande (D G ) e l emissione di un allerta di livello alto (A) in concomitanza di un evento franoso di densità piccola (D P ) determina un grado di soddisfacimento negativo; mentre per le zone MA ed FA sono da considerare non accettabili le mancate allerte di eventi franosi di grande e intermedia densità (D G -D I ) e le false allerte di livello Alto (A) e Medio (M). L utilizzo di questa matrice consente sia una valutazione quantitativa delle condizioni di soddisfacimento di un modello sia una calibrazione delle soglie del modello basata sull aumento di occorrenze con grado di soddisfacimento positivo o accettabile. D G D I D P 0 Livelli A&L FA MA TN Grado di soddisfacimento Fig. 5. Schema concettuale della matrice degli indicatori di funzionamento.

5 Densità Densità Densità Densità Incontro Annuale dei Ricercatori di Geotecnica IARG Risultati I modelli di correlazione utilizzati per applicare la metodologia proposta al caso di studio descritto in precedenza sono, come già anticipato: il modello SIGMA (Martelloni et al. 2012) ed il modello del sistema mento della regione Campania (BURC 2005). Le Tabelle 1 e 2 mostrano i risultati delle analisi attraverso una serie di matrici di indicatori di funzionamento, una per ognuno dei due modelli considerati e per ognuno dei due pluviometri utilizzati come rappresentativi delle due aree di studio, Cava de Tirreni e Corbara-S.Egidio. Data la discretizzazione temporale del dato pluviometrico utilizzato per valutare l efficacia dei due modelli di correlazione (precipitazioni cumulate giornaliere), gli elementi delle matrici indicano il numero di giorni in corrispondenza dei quali si verifica una data occorrenza, ovvero il numero di giorni con: allerte e assenza di allerte corrette, allerte con livello non adeguato alla densità dell evento franoso, false allerte, mancate allerte. Negli ultimi tre casi, come già spiegato in precedenza, il livello degli errori può essere definito attraverso un grado di soddisfacimento definito come: accettabile (in giallo), negativo (in arancione) ed estremamente negativo (in rosso). Data la durata del periodo di analisi (il biennio ), il numero totale di giorni riportato nelle tabelle è sempre pari a 731. In ogni tabella sono riportati i risultati dei modelli sia in assenza (numeri indicati all interno di parentesi) sia in presenza di una calibrazione effettuata dagli scriventi con l obiettivo di minimizzare gli errori dei modelli, ovvero massimizzare il numero di giorni con allerte corrette e assenza di allerte. I risultati delle analisi indicano un numero di false allerte per il modello SIGMA, quasi tutte relative ad un livello basso (i.e. grado di soddisfacimento accettabile), molto elevato e molto maggiore delle false allerte del modello BURC. Il modello SIGMA, però, limita l occorrenza di mancata allerte in maniera maggiore di quanto non accada per il modello BURC. Ciò indica, essenzialmente, che le soglie di pioggia cumulata utilizzate per definire i livelli dal primo modello sono minori di quelle utilizzate dal secondo modello. Questo è vero sia per i modelli non calibrati che per quelli calibrati. La calibrazione, come si può evincere dalle Tabelle 3 e 4, ha interessato: entrambi i pluviometri (e gli ultimi due livelli ) nel caso del modello SIGMA; il solo pluviometro di Corbara/S.Egidio (ed il solo livello alto) nel caso del modello BURC. Tab. 1. Matrice degli indicatori di funzionamento indicante il numero di giorni per livello e per densità di evento franoso derivanti dall applicazione del modello SIGMA calibrato (in parentesi i risultati del modello applicato senza calibrazione): a) zona Est, pluviometro di Cava dei Tirreni; zona Nord, pluviometro di Corbara-S.Egidio. a) Livelli D I (0) 0 (1) 1 (0) 0 (0) 0 D P (0) 0 (1) 0 (3) 4 (4) 4 0 (1) 0 (4) 2 (70) 73 (647) 647 Livelli D I (1) 0 (1) 2 (0) 0 (0) 0 D P (0) 0 (0) 0 (1) 1 (1) 1 0 (1) 0 (8) 2 (57) 64 (661) 661 Tab. 2. Matrice degli indicatori di funzionamento indicante il numero di giorni per livello e per densità di evento franoso derivanti dall applicazione del modello BURC calibrato (in parentesi i risultati del modello applicato senza calibrazione): a) zona Est, pluviometro di Cava dei Tirreni; zona Nord, pluviometro di Corbara-S.Egidio. a) Livelli D I (0) 0 (0) 0 (0) 0 (1) 1 D P (0) 0 (0) 0 (0) 0 (8) 8 0 (0) 0 (0) 0 (2) 2 (720) 720 Livelli D I (1) 0 (0) 1 (0) 0 (1) 1 D P (0) 0 (0) 0 (0) 0 (2) 2 0 (0) 0 (1) 1 (3) 3 (723) 723

6 Livello Livello Livello Livello Incontro Annuale dei Ricercatori di Geotecnica IARG 2014 Tab. 3. Soglie pluviometriche per valori di pioggia cumulata di 1, 2 e 3 giorni per il modello SIGMA calibrato (in parentesi i risultati del modello applicato senza calibrazione): a) zona Est, pluviometro di Cava dei Tirreni; zona Nord, pluviometro di Corbara-S.Egidio. a) Soglia (mm) Alto (110) 129 (177,8) 206,4 (216,4) 234,4 Medio (73,8) 85 (107) 128,2 (136) 161 Basso (20) 20 (39,2) 39,2 (55,2) 55,2 Soglia (mm) Alto (133) 196 (170) 241 (205) 308 Medio (71,6) 93,5 (106) 149,8 (139) 184,6 Basso (19) 19 (36) 36 (52) 52 Tab. 4. Soglie pluviometriche per valori di pioggia cumulata di 1, 2 e 3 giorni per il modello BURC calibrato (in parentesi i risultati del modello applicato senza calibrazione): a) zona Est, pluviometro di Cava dei Tirreni; zona Nord, pluviometro di Corbara-S.Egidio. a) Soglia (mm) Alto (166) 166 (214) 214 (248) 248 Medio (139) 139 (180) 180 (208) 208 Basso (105) 105 (135) 135 (156) 156 Soglia (mm) Alto (154) 184 (195) 233 (223) 283 Medio (130) 130 (164) 164 (187) 187 Basso (97) 97 (123) 123 (140) Considerazioni conclusive La scelta di un modello per frane pluvio-indotte che possa essere utilizzato con affidabilità nell ambito di un sistema da frana a scala regionale è di fondamentale importanza per mantenere, nel tempo, la credibilità del sistema. A tal fine, una volta definita la strategia da seguire per la progettazione del sistema, ovvero una volta adottato un modello, risulta fondamentale la fase di calibrazione nel tempo del modello. In quest ottica, la procedura proposta consente di valutare oggettivamente il grado di affidabilità del modello ed aggiornare periodicamente, se necessario, le soglie sulla base delle quali vengono definiti i livelli. Bibliografia Berti M., Martina M.L.V., Franceschini S., Pignone S., Simoni A., Pizziolo M. (2012). Probabilistic rainfall thresholds for landslide occurrence using a Bayesian approach, Journal of Geophysical Research, 117:F BURC (2005). Il Sistema di Allertamento Regionale per il rischio Idrogeologico e Idraulico ai fini di protezione civile, d.p.g.r. numero 299 del 30/06/2005. Bollettino ufficiale della regione Campania - n. speciale del 1 agosto Calvello M., Ferlisi S., Pecoraro G., Ruggiero A. (2013). Censimento dei fenomeni franosi in Italia da fonti giornalistiche: uno studio pilota, IARG 2013, Perugia, Italia. Calvello M., Piciullo L. (2014). Frane pluvio-indotte: la mitigazione del rischio con sistemi e allarme a scala regionale, XXV Convegno Nazionale di Geotecnica AGI, 2: Galliani G., Pomi L., Zinoni F., Casagli N. (2001). Analisi meteoclimatologica e soglie di innesco delle frane nella regione Emilia-Romagna negli anni , Quaderni di Geologia Applicata, 8: Guzzetti F., Peruccacci S., Rossi M., Stark C.P. (2007). Rainfall thresholds for the initiation of landslides in central and southern Europe, Meteorology and Atmospheric Physic, 98: Martelloni G., Segoni S., Fanti R., Catani F. (2012). Rainfall thresholds for the forecasting of landslide occurrence at regional scale, Landslides, 9: Lagomarsino D., Segoni S., Fanti R., Catani F. (2013). Updating and tuning a regional-scale landslide early warning system, Landslides, 10: Sirangelo B., Versace P. (1992). Modelli stocastici di precipitazione e soglie pluviometriche di innesco dei movimenti franosi, XXIII Convegno Nazionale di Idraulica e Costruzioni Idrauliche, Firenze, Italia. Tiranti D., Rabuffetti D. (2010). Estimation of rainfall thresholds triggering shallow landslides for an operational warning system implementation, Landslides, 7: UNISDR (2009). Terminology on Disaster Risk Reduction. Available at UNISDR (2006). Compendium of Early Warning Systems, EWC III, Third National Conference on Early Warning. UN/ISDR, Bonn, Germania.