= u a u a = ξ ( i a,τ - f a )

Transcript

1

2

3

4 Distribuzioni stazionarie derivate Q f = u a u a = ξ ( i a,τ - f a ) a i a,t i f a = f A (a/a) ε u a = portata specifica per unità di area contribuente a = area contribuente al picco di piena f a τ a time La cdf della portata di deflusso diretto G Q A = q a ( q) g( u a) g( a) 0 0 duda

5 Si ottiene un TCIF ipotizzando che le piene siano legate a due differenti processi: - L-type (frequente), si verifica al superamento di una soglia di ruscellamento bassa e dall attivazione di una piccola parte di bacino. - H-type (raro), si verifica al superamento di una soglia di ruscellamento più alta ed sono caratterizzate da una più ampia area contribuente. FQ p ( q ) = { Λ [ G '( q )] [ G '( q )]} p exp, L Q, L p Λ H Q H p k f Λ = Λ + Λ = Λ A, L q L H p exp k E[ ia, τ ] f a r k f Λ = Λ A, H H p exp k E[ ia, τ ] ε L ε, L = f A, L ( al / A) f f ( a A) H a, H = A, H H / = E[ a A r = E[ a A L L ] H H ]

6 Il caso di studio I bacini hanno superficie variabile tra 8 e 1654 km2.

7 Il caso di studio anta Maria at Ponte Lucera Torremaggior 1 Triolo at Ponte Lucera Torremaggiore 2 Salsola at Ponte Foggia San Severo 3 Casanova at Ponte Lucera Motta 4 Celone at Ponte Foggia San Severo 5 Celone at San Vincenzo 6 Cervaro at Incoronata 7 Carapelle at Carapelle 8 Venosa at Ponte Sant' Angelo 9 Arcidiaconata at Ponte Rapolla Lavello 10 Ofanto at Rocchetta Sant' Antonio 11 Atella at Ponte sotto Atella 12 Bradano at Ponte Colonna 13 Bradano at San Giuliano 14 Basento at Pignola 15 Basento at Gallipoli 16 Basento at Menzena 17 Agri at Tarangelo 18 Sinni at Valsinni 19 Sinni at Pizzutello 20

8 Il caso di studio n. Ancinale at Spadola 34 Alaco at Pirrella 35 Duverso at santa Giorgia 36 Metramo at Castagnara 37 Metramo at Carmine 38 Noce at Le Fornaci 39 Esaro at Crotone San Francesco 40 Lese at Schiena d'asino 41 Careri at Bosco 42 Esaro at cameli 43 Busento at Cosenza 44 Crat at castiglione 45 Garga at Torre Garga 46 Tacina at Serrarossa 47 Follone at San Marco Argentano 48 Mucone at Cecita 49 Issa at Vizza 50 Crati at Cosenza 51 Turbolo at Mongrassano 52 Coriglianeto at Corigliano 53 Colognati at Pizzuto 54 Esaro at Ponte Forcosa 55 Assi at Botteria 56 Allaro at Ponte Mongiana 57 Annunziata at straorino 58 Calabro at Puzzara 59 Rizziconi 60 Amato at Licciardi 61 Noce at castrocucco 62 Mesima at Sbarretta 63 Ponticelli at Ponte SS Raganello at Terzeria 65 Savuto at Persico 66 Savuto at Ponte Savuto 67 Savuto at Poverella 68 Vasi at Scifà 69 Catona at Reggio Calabria 70 Crati at Santa Sofia d'epiro 71 Crati at Sibari 72

9 Il clima

10 Runoff threshold (mm/h) A (km 2 ) 19 f A,H arid (TCIF) f A,H umid (TCIF) f A arid (IF) f A,L arid (TCIF) f A humid (IF) f A,L humid (TCIF)

11 La parametrizzazione del modello

12 La verifica del modello regionale r H calc r H obs

13 La verifica del modello regionale r Lcalc r Lobs

14 Il caso di studio: individuazione del modello anta Maria at Ponte Lucera Torremaggior 1 Triolo at Ponte Lucera Torremaggiore 2 Salsola at Ponte Foggia San Severo 3 Casanova at Ponte Lucera Motta 4 Celone at Ponte Foggia San Severo 5 Celone at San Vincenzo 6 Cervaro at Incoronata 7 Carapelle at Carapelle 8 Venosa at Ponte Sant' Angelo 9 Arcidiaconata at Ponte Rapolla Lavello 10 Ofanto at Rocchetta Sant' Antonio 11 Atella at Ponte sotto Atella 12 Bradano at Ponte Colonna 13 Bradano at San Giuliano 14 Basento at Pignola 15 Basento at Gallipoli 16 Basento at Menzena 17 Agri at Tarangelo 18 Sinni at Valsinni 19 Sinni at Pizzutello 20 Crati at conca 21 Esaro at La musica 22 Coscile at Camerata 23 Trionto at Difesa 24 Tacina at Rivioto 25 Alli at Orso 26 Melito at Olivella 27 Corace at Grascio 28 Ancinale at Razzona 29 Alaco at Mammone 30 Amato at Marino 31 Lao at piè di Borgo 32 Noce at la Calda 33

15 Risultati

16 Risultati

17

18

19

20

21

22 Il sensore è un correntometro acustico che utilizza l Effetto Doppler per misurare la velocità dell acqua lungo le componenti X e Y del piano tramite la misura degli echi riflessi dai sedimenti trasportati in sospensione.

23

24

25

26 IPCC - Representative Concentration Pathways RCP - scenario intermedio

27 scenario caratterizzato da un elevata emissione e da un elevato valore della forzante radiativa

28

29 La Direttiva Europea 2007/60/CE ed il relativo decreto legislativo di recepimento (D.Lgs. 49/2010) richiedono una esplicita stima degli effetti dei cambiamenti climatici sull occorrenza e magnitudo dei fenomeni di dissesto idro-geologico. Tuttavia il Decreto Legislativo 49/2010 stabilisce che, relativamente alla valutazione dell effetto dei CC, essa diventi obbligatoria per i successivi riesami dei dispositivi ( secondo ciclo e successivamente ogni 6 anni) permettendo che, nella prima fase (la cui chiusura era prevista per il dicembre 2015), possa essere opzionale o limitarsi ad analisi di tipo qualitativo. Purtroppo, come riportato in numerosi studi, su tali scale temporali sub-giornaliere (soprattutto per i valori estremi), a causa delle risoluzioni oggi permesse e delle conseguenti parametrizzazioni fisiche adottate, i risultati delle simulazioni climatiche sono caratterizzate da incertezze (ed errori associati) sensibilmente superiori a quelli restituiti fino alla scala giornaliera limitandone in molti casi l utilizzo; d altro canto, è bene ricordare che, per tali scale temporali, spesso scarseggiano anche le serie di dati di adeguata lunghezza e densità spaziale per una congrua validazione delle prestazioni dei modelli climatici.

30

31 Diagramma di flusso della procedura di analisi di una serie storica di dati idrologici (da ISPRA, 2013) ANALISI ESPLORATIVA DELLA SERIE ANALISI DELLA STAZIONARIETA DELLA SERIE

32 Diagramma di flusso della procedura di analisi di una serie storica di dati idrologici (da ISPRA, 2013) ANALISI ESPLORATIVA DELLA SERIE

33 Diagramma di flusso della procedura di analisi di una serie storica di dati idrologici (da ISPRA, 2013) ANALISI DELLA STAZIONARIETA DELLA SERIE

34 Indice di Qualità della Serie di dati Idrologici (iquasi) (da Ispra, 2013)

35 Il test di Mann-Kendall E un test parametrico per l individuazione di trend monotoni. La statistica del test si può esprimere come: Il test è condotto sulla statistica Z che segue ha una distribuzione normale standard essendo V la varianza di S.

36

37 Tempo di ritorno in condizioni non stazionarie Expected Waiting Time (EWT) (Olsen et al., 1988) RETURN PERIOD Expected Number of Events (ENE) (Parey et al., 2007,2010)

38 Expected Waiting Time interpretation (EWT) Expected waiting time until an exceedance occurs Expected Number of Events interpretation (ENE) Numbers of years for which the expected number of exceedance is equal to 1.

39

40 Expected Waiting Time interpretation (EWT)

41 Generalized Extreme Value distribution (GEV)

42 Barletta ( ) Corato ( ) San Marco in Lamis ( ) Castelluccio dei Sauri ( )

43 Stazione di Barletta Grafici T-Tr Stazione di Corato Stazione di San Marco in Lamis Stazione di Castelluccio dei Sauri

44 Akaike Information Criterion (Akaike, 1974) E un indice di selezione di selezione tra modelli diversi, la cui espressione analitica è: AIC = -2 ln(l) +2(k) dove L indica il valore massimizzato della funzione di verosimiglianza del modello stimato e k il numero di parametri del modello. Il modello migliore è quello cui corrisponde un valore di AIC minore.

45 Andamenti temporali orari dell indice AIC normalizzato Stazione di Barletta ( ) Stazione di Corato ( ) 10,0 8,6 9,5 8,4 9,0 8,2 AIC norm 8,5 8,0 7,5 AICns AIC norm 8,0 7,8 7,6 AICns 7,0 AICst 7,4 AICst 6,5 7,2 6, , Durata [ore] Durata [ore] Stazione di San Marco in Lamis ( ) Stazione di Castelluccio dei Sauri ( ) 9,5 8,6 9 8,4 8,2 AIC norm 8,5 8 7,5 AICns AICst AIC norm 8,0 7,8 7,6 7,4 7,2 AICns AICst , Durata [ore] Durata [ore]

46 Analisi di non stazionarietà

47 Stazione di Barletta ( ) 1 h 3 h 6 h 12 h giornaliere

48 Stazione di Corato ( ) 1 h 3 h 6 h 12 h giornaliere

49 Stazione di San Marco in Lamis ( ) 1 h 3 h 6 h 12 h giornaliere

50 Stazione di Castelluccio dei Sauri ( ) 1 h 3 h 6 h 12 h giornaliere

51 Analisi degli outliers

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68 Conclusioni La valutazione degli impatti climatici sulla previsione di piena di medio-lungo periodo richiede: Una rigorosa valutazione dei trend osservati; Una efficace analisi regionale sulla presenza di outliers Una modellazione idrologica utile a comprendere gli aspetti essenziali della trasformazione afflussi deflussi e la sua evoluzione nel tempo L adozione di modelli probabilistici idonei alla rappresentazione dei fenomeni non stazionari La capacità di sfruttare l enorme mole di dati rivenienti dalla osservazione della terra La necessità di rivitalizzare la misura delle precipitazioni e delle portate di piena.

69