Una proposta per la definizione dello stato di attività di fenomeni franosi a cinematica lenta a media scala

Transcript

1 Una proposta per la definizione dello stato di attività di fenomeni franosi a cinematica lenta a media scala Dipartimento di Ingegneria Civile, Università di Salerno liarena@unisa.it; dpeduto@unisa.it; mcalvello@unisa.it; reb9@live.it, l.cascini@unisa.it Sommario La memoria presenta una procedura finalizzata alla definizione dello stato di attività di fenomeni franosi a cinematica lenta a media scala attraverso l integrazione di dati derivanti dal processamento mediante tecniche interferometriche differenziali di immagini acquisite con Radar ad Apertura Sintetica (DInSAR) ed i risultati di analisi statistiche multivariate condotte utilizzando la cartografia tematica disponibile. La procedura è stata testata, a scala media (1:25.000), in una porzione della provincia di Benevento dell estensione di 557 km 2 dove numerose frane a cinematica lenta sono state inventariate sulla base di criteri esclusivamente geomorfologici. 1. Introduzione La frane a cinematica lenta sono estremamente diffuse sul territorio italiano come, peraltro, testimoniato dalle oltre frane cartografate a scala 1: nel territorio dell Autorità di Bacino Nazionale dei fiumi Liri-Garigliano e Volturno (ABN LGV) (Cascini, 2002) e dai circa fenomeni inventariati a scala 1: nell Appennino Emiliano-Romagnolo (Bertolini et al., 2005). La cartografazione e la caratterizzazione di tali fenomeni franosi rivestono un ruolo fondamentale nel processo di gestione del rischio da frana (Fell et al., 2008); per tale motivo le carte inventario dei fenomeni (Progetto IFFI, Carte Inventario delle Autorità di Bacino) necessitano di controllo e aggiornamento periodico, a diverse scale di riferimento. Le procedure usualmente adottate, come evidenziato in studi recenti (Guzzetti et al., 2012), continuano a basarsi essenzialmente su fotointerpretazione e rilievi di campo che, se eseguiti su aree di rilevante estensione e con adeguata frequenza, possono richiedere costi e tempi difficilmente sostenibili. Con riferimento ad analisi a scala piccola e media, nell ambito d iniziative mirate ad una corretta pianificazione e gestione del territorio, si sta sempre più diffondendo l utilizzo di analisi statistiche multivariate per la valutazione della pericolosità e della suscettibilità da frana (Carrara, 1983; Guzzetti et al., 1999; van Westen, 2004), anche con riferimento a fenomeni franosi a cinematica lenta (Calvello et al., 2013). Queste analisi si basano sulla correlazione statistica tra i fattori predisponenti la franosità (variabili indipendenti) e la distribuzione di frane già esistenti (variabile dipendente) con la finalità di definire un modello associabile ad un assegnata zona di interesse ed esportabile ad aree con caratteristiche fisiche, geologiche e idrologiche simili. Parallelamente negli ultimi anni la comunità scientifica ha investigato l impiego di tecniche innovative di telerilevamento, sia satellitari e sia da aereo (Tofani et al., 2013). A tal riguardo, i dati derivanti dall applicazione di tecniche interferometriche multitemporali (Ferretti et al., 2000; Fornaro et al., 2009; etc.) per la elaborazione di immagini acquisite da radar ad apertura sintetica (DInSAR) hanno trovato vasta applicazione, grazie anche alla loro diffusione attraverso numerosi progetti a livello sia nazionale (Piano Straordinario di Telerilevamento, 2010) sia regionale (PODIS_Tellus, 2008), per la individuazione, la cartografazione ed il monitoraggio di frane a cinematica lenta. Il vantaggio di tali tecniche è quello di fornire misure di spostamento della superficie topografica con precisione subcentimetrica su aree di rilevante estensione e con costi notevolmente ridotti rispetto alle tecniche convenzionali. Nella presente memoria si descrive una procedura innovativa che propone l uso congiunto di analisi delle velocità di spostamento al suolo derivate da tecniche DInSAR e di analisi statistiche multivariate al fine di definire lo stato di attività di frane a cinematica lenta già cartografate in una carta inventario dei fenomeni franosi.

2 2. La procedura proposta L analisi dei dati DInSAR e le analisi statistiche multivariate sono condotte in due fasi come evidenziato nello schema riportato in Figura 1. In particolare, durante la prima fase l analisi dei dati DInSAR e le analisi statistiche multivariate sono condotte separatamente su unità omogenee di calcolo, TCU (Calvello et al., 2011, 2013), che discretizzano il territorio secondo una griglia regolare con celle di dimensione 1/1000 della scala di analisi, 25m x 25m nel caso in esame. Figura 1. Flow chart della procedura adottata Le analisi dei dati DInSAR consentono di assegnare ad ogni TCU (definita coperta se al suo interno ricade almeno una misura interferometrica) un valore di velocità media pesata sui valori di coerenza (Cascini et al., 2013). Tali valori di velocità, confrontati con una soglia di movimento pari a 1,5 mm/anno, consentono di distinguere le TCU in movimento (TCU M) da quelle non in movimento (TCU NM) all interno della Mappa di sintesi DInSAR (Fig.1). Le analisi statiche multivariate condotte su tematismi territoriali significativi e su una carta degli eventi (i.e. carta inventario dei fenomeni franosi), consentono di discriminare le TCU attive (TCU A) dalle TCU non attive (TCU NA) indicate nella Mappa di sintesi statistica (Fig.1). Nella seconda fase le analisi vengono effettuate sulle unità territoriali di zonazione, TZU (Calvello et al., 2011, 2013), coincidenti in questo studio con le frane quiescenti. In particolare, si definisce preliminarmente un modello di attività che contempla, per ciascuna TZU, il calcolo del valore assunto dall Indice di attività DInSAR (I dar) assunto come il rapporto tra il numero di TCU in movimento (TCU M) e il numero di TCU coperte (TCU c) per ciascuna TZU: I dar = TCU TCU M c *100 I valori dell indice I dar vengono, quindi, associati a diversi livelli di propensione alla attività: Alta (A:70 I dar 100); Media (M:35 I dar < 70); Bassa (B: 5 I dar < 35); Molto bassa (MB: 0 I dar < 5). A valle della implementazione del modello di attività i risultati delle analisi dei dati DInSAR sono combinati con i risultati delle analisi statistiche attraverso il modello di consistenza illustrato in Figura 2a. In particolare, seguendo un approccio di tipo matriciale si combinano le TCU in movimento/non in movimento, derivate dalle analisi dei dati DInSAR, con le TCU attive/non attive derivate dalle analisi statistiche multivariate al fine di individuare le TCU per le quali i due tipi di analisi forniscono risultati consistenti (i.e. TCU attive e in movimento oppure TCU non attive e non in movimento) e TCU per le quali i due tipi di analisi forniscono risultati non consistenti (i.e. TCU attive e non in movimento oppure TCU non attive e in movimento).

3 Figura 2. a) Modello di consistenza., b) modello di confidenza Con riferimento all insieme delle TCU consistenti viene successivamente applicato il modello di confidenza (Figura 2b) che prevede la preliminare definizione di due indici: I m pari al rapporto tra il numero di TCU attive e in movimento e il numero di TCU in movimento per ciascuna TZU; I nm pari al rapporto tra il numero di TCU non attive e non in movimento sul numero di TCU non in movimento. Il modello di confidenza, facendo riferimento ai quattro livelli di propensione all attività (A, M, B, MB) individuati nel modello di attività dal valore dell indice I dar, consente di classificare le TZU per le quali i risultati delle analisi presentano un alta (A ac, M ac, B ac, VB ac) o bassa confidenza (A bc, M bc, B bc, VB bc) sulla base, rispettivamente, dei valori dell Indice di movimento (I m) per le TZU con alta e media propensione all attività e dell Indice di non movimento (I nm) per le TZU con bassa e molto bassa propensione all attivazione. 3. Risultati La procedura proposta è stata applicata in un area di studio (Fig. 3) dell estensione di 557 km 2 che comprende 21 Comuni della Regione Campania ricadenti nel territorio di competenza dell Autorità di Bacino Nazionale dei fiumi Liri-Garigliano e Volturno (AdB-LGV). Nell area considerata, su di un totale di frane a cinematica lenta che interessano circa il 25% del territorio in esame, la carta inventario, redatta a scala 1: nel corso delle attività poste in essere per la redazione del Piano stralcio per l Assetto Idrogeologico Rischio da frana (PsAI-Rf), ne classifica 1630 come quiescenti. Figura 3. Inventario delle frane a cinematica lenta nell area di studio (Peduto et. al.,2013)

4 Le analisi statistiche multivariate sono state condotte utilizzando come carta degli eventi le frane a cinematica lenta attive, riportate nella carta inventario dell AdB-LGV (2001). Nell analisi sono state considerate 8 variabili territoriali: tre categoriche (classificazione sismica, complessi idrogeologici e complessi litologici) e cinque numeriche (quota, pendenza, esposizione, curvature e distanza dal reticolo idrografico). I risultati di questa analisi indicano che le variabili che possono considerarsi statisticamente significative sono: complessi litologici, complessi idrogeologici, pendenza e quota. La Figura 4a illustra la Mappa di sintesi delle analisi statistiche prodotta con riferimento al campione delle frane quiescenti: circa il 70% delle TCU totali ( ) sono quiescenti e circa il 30% sono attive. I dati DInSAR utilizzati nel presente studio sono stati elaborati con tecniche PSI (Persistent Scatterer Interferometry, Ferretti et al., 2001) nell ambito delle attività del Piano Straordinario di Telerilevamento (2010) e consistono in: 208 immagini acquisite su orbita ascendente dal sensore ERS nel periodo settembre 1992 settembre 2000; 134 immagini ERS su orbita discendente (periodo novembre 1992 dicembre 2000). Le analisi dei dati DInSAR (Figura 4b) hanno consentito di individuare TCU coperte di cui il 26% in movimento e il 74% non in movimento. Infine, l applicazione del modello di attività (Figura 4c) ha permesso di distinguere nell area di studio: 78 frane quiescenti con un alta propensione ad attivarsi; 30 con una media propensione; 50 con una bassa propensione e 180 con una propensione molto bassa. Come indicato nel flow-chart di Figura 1, i risultati delle analisi dei dati DInSAR e delle analisi statistiche sono stati combinati attraverso l applicazione del modello di consistenza che ha consentito di evidenziare che su 2027 TCU circa il 60% risultano avere informazioni consistenti. Con riferimento a quest ultimo campione di TCU si è infine applicato il modello di confidenza di cui si illustrano i risultati in Figura 4d. In particolare, mostrano un livello di confidenza alto: 31 delle 78 TZU con alta propensione ad attivarsi ; 10 delle 30 TZU con una media propensione ad attivarsi; 42 delle 50 TZU con una bassa propensione ad attivarsi; 127 delle 180 TZU con una propensione molto bassa ad attivarsi. In sintesi le analisi condotte evidenziano che i risultati ottenuti per le TZU con bassa e molto bassa propensione ad attivarsi (73%) attingono un livello di confidenza più alto di quelli relativi alle TZU con media ed alta propensione ad attivarsi (38%). Una validazione preliminare della procedura è stata effettuata sfruttando la disponibilità di dati DInSAR derivanti dal processamento di immagini acquisite dal sensore ENVISAT nel periodo e, quindi, successivi a quelli impiegati nella definizione dello stato di attività. I risultati del confronto, ancorché preliminari, hanno evidenziato che il 48% dei fenomeni franosi classificati con alta o media propensione all attività nel periodo risultano avere un alta o media propensione all attività anche nel periodo Inoltre, nello stesso periodo l 80% dei fenomeni franosi ha confermato una bassa o molto bassa propensione all attività. Considerazioni conclusive Nell ambito delle attività finalizzate alla gestione del rischio da frana su aree di rilevante estensione da condurre a scala media le procedure proposte evidenziano come le elaborazioni di dati DInSAR corroborate da analisi statistiche multivariate di carte tematiche significative possono fornire un contributo nella definizione dello stato di attività di fenomeni franosi a cinematica lenta. Le ricadute applicative delle procedure presentate, nell eventualità che sia disponibile un dataset aggiornato di dati satellitari, sono identificabili altresì nella possibilità, ai fini di un aggiornamento dello stato di attività di fenomeni franosi riportato nelle carte inventario disponibili, di indirizzare i rilievi di campo. In particolare, essi potranno prioritariamente essere condotti in quelle aree in frana che sono state confermate nella loro alta/media propensione ad essere attive; successivamente in quelle aree che non sono risultate confermate nella loro bassa/molto bassa propensione ad essere attive; infine in quelle aree non confermate nella loro alta/media propensione ad essere attive.

5 Figura 4. a) Mappa di sintesi statistica; b) mappa di sintesi DInSAR; c) mappa della zonazione dello stato di attività; d) mappa della zonazione dello stato di attività con livelli di confidenza.

6 Ringraziamenti Gli autori ringraziano sentitamente l Autorità di Bacino dei fiumi Liri Garigliano e Volturno nella persona del Dott.ssa Vera Corbelli ed il Ministero dell Ambiente e della Tutela del Territorio e del Mare nella persona del Dott. Salvatore Costabile per aver reso disponibili i dati necessari alle analisi. Bibliografia Bertolini G., Guida M., Pizzaiolo M. (2005). Landslides in Emilia-Romagna region (Italy): strategies for hazard assessment and risk management. Landslides, 2, Calvello M., Cascini L., Mastroianni S. (2011). Unità territoriali per l'analisi e la zonazione della franosità a piccola e media scale. Proc. IARG 2011, Torino. Calvello M., Cascini L., Mastroianni S. (2013). Landslide zoning over large areas from a sample inventory by means of scale-dependent terrain units. Geomorphology, 182: DOI: /j.geomorph Carrara A. (1983). A multivariate model for landslide hazard evaluation. Mathematical Geology 15, Cascini L.(2002). La rilevanza del rischio da frana nell Italia centro-meridionale. XXI Convegno Nazionale di Geotecnica, L Aquila pp Cascini L., Fornaro G., Peduto D. (2009). Analysis at medium scale of low-resolution DInSAR data in slowmoving landslide affected areas. ISPRS J. Photogram. Remote Sens., 64, Cascini L., Fornaro G.,Peduto D. (2010). Advanced low- and full-resolution DInSAR map generation for slowmoving landslide analysis at different scales. Engineering Geology, 112(1-4), Cascini L., Peduto D., Pisciotta G., Arena L., Ferlisi S., Fornaro G. (2013). The combination of DInSAR and facility damage data for the updating of slow-moving landslide inventory maps at medium scale. Nat. Hazards Earth Syst. Sci., 13, Cruden D.M., Varnes D.J. (1996). Landslides Types and Processes. Turner A.K. and Schuster R.L. (eds.), Landslides: Investigation and Mitigation. Washington D.C, Transportation Research Board, National Academy of Sciences. Special Report 247, pp Fell R., Corominas J., Bonnard Ch., Cascini L., Leroi E., Savage W.Z. on behalf of the JTC-1 Joint Technical Committee on Landslides and Engineered Slopes (2008). Guidelines for landslide susceptibility, hazard and risk zoning for land use planning. Engineering Geology, 102, Ferretti A., Prati C., Rocca F. (2000). Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR. Interferometry IEEE Trans. Geosci. Remote Sens., 38(5), Fornaro G., Reale D., Serafino F. (2009). Four-dimensional SAR imaging for height estimation and monitoring of single and double scatterers. IEEE Trans. Geosci. Remote Sens., 47(1), Guzzetti F., Carrara A., Cardinali M., Reichenbach P. (1999). Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology 31, Guzzetti F., Mondini A.C., Cardinali M., Fiorucci F., Santangel M., Chang K.-T.(2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1 2), Iwahashi, J., Watanabe, S., Furuya, T. (2001). Landform analysis of slope movements using DEM in Higashikubiki area Japan. Computers and Geosciences 27: Progetto TELLUS (2008). Note tecniche descrittive delle elaborazioni eseguite dal progetto TELLUS del PODIS PON ATAS sui dati da interferometria differenziale SAR (PSInSARTM) della Regione Campania. Unità di Supporto Locale n.6, Direzione Generale Difesa del Suolo del Ministero dell Ambiente e della Tutela del Territorio, 79 pp. Peduto D., Cascini L., Arena L., Ferlisi S., Pisciotta G. e Fornaro G. (2013). Uso congiunto dei dati DInSAR e dei danni al costruito per l aggiornamento delle carte inventario dei fenomeni franosi a cinematica lenta. Proc. IARG 2013, Perugia. Tofani V., Segoni S., Agostini A., Catani F., Casagli N. (2013). Technical Note: Use of remote sensing for landslide studies in Europe. Nat. Hazards Earth Syst. Sci., 13, Van Westen, C.J. (2004). Geo-information tools for landslide risk assessment. An overview of recent developments. Landslides: Evaluation and Stabilization. Proc. 9th Int.l Symposium on Landslides, Rio de Janeiro, Brazil, pp