Post on 08-Apr-2016
description
Metodologie per la valutazione della
pericolosità di frana alla scala di bacino
Filippo Catani
Pericolosità di frana
• Pericolosità assoluta: Probabilità che un evento franoso di data intensità si verifichi in un dato luogo in un determinato intervallo di tempo
• Pericolosità spaziale (suscettibilità): Probabilità che un dato evento franoso si verifichi in un luogo piuttosto che in un altro (no tempo – più facile da determinare a scala di bacino)
Carte tematiche dei fattori della franosità
Carta dei fenomeni di instabilità dei versanti
Catalogo degli elementi a rischio
CARTA DELLA PERICOLOSITA'
Valutazione dell'intensità
CARTA DEL DANNO POTENZIALE
CARTA DEL RISCHIO
Valutazione della vulnerabilità
Rischio accettabile PREVENZIONEno
Previsione del rischio di frana
Valutazione della pericolosità
Elementi fondamentali
• Conoscenza dello stato di natura dei luoghi (dati di base – mappe delle cause) • Conoscenza degli effetti (cataloghi, inventari e mappe dei fenomeni franosi) • Ipotesi sulle connessioni tra cause ed effetti per ogni data tipologia di fenomeno da indagare
Considerazioni preliminari
• Ogni tipologia di frana richiede a priori una specifica metodologia di previsione
• La qualità della previsione dipende dalla qualità dei dati di partenza (carte inventario, carte tematiche)
• Ogni valutazione di pericolosità non può prescindere da una verifica o validazione oggettiva dei risultati
• Previsione temporale molto difficile alla scala di bacino, per cui molto spesso ci si limita alla definizione della SUSCETTIBILITÀ
Previsione spaziale
Valutazione della PERICOLOSITÀ RELATIVA
1. valutazione empirica 2. indicizzazione degli effetti 3. indicizzazione delle cause 4. analisi statistica 5. analisi deterministica (e/o probabilistica) 6. analisi cinematica
SCALA DI BACINO
1. Valutazione empirica La zonazione del territorio è effettuata in base alla valutazione soggettiva della suscettibilità all’instabilità dei versanti sulla base delle informazioni raccolte da cartografia tematica ed indagini di campagna (BOSI, 1978; VARNES & IAEG, 1984; BRABB, 1984; HANSEN, 1984; HUMBERT, 1976, 1977; ANTOINE, 1977; CANUTI & CASAGLI, 1996)
Documenti base: carta inventario frane, carte tematiche dei fattori del dissesto
Pregi: semplicità di esecuzione – tiene conto del parere esperto
Difetti: soggettività in ogni fase della valutazione
Pericolosità Descrizione
H0
Nulla
Zone prive di pericolosità di frana per assenza di processi geomorfologici o caratteristiche fisiche che possono condurre all’innesco di movimenti di massa
H1
Moderata
Zone a moderata pericolosità di frana, valutabile sulla base delle caratteristiche fisiche territoriali favorevoli (litologia, giacitura, processi morfologici in atto) ma prive di fenomeni gravitativi sia superficiali che profondi o di indicazioni morfologiche della loro esistenza. La classe comprende anche le frane relitte o stabilizzate non più riattivabili.
H2
Media
Zone ad elevata pericolosità di frana manifestata dalla presenza di frane quiescenti, di terreni con caratteristiche fisiche scadenti, di processi di alterazione morfologica e delle caratteristiche morfologiche dei movimenti gravitativi (ondulazioni, contropendenze, periodiche lacerazioni ecc.)
H3
Elevata
Zone con pericolosità di frana estremamente elevata, rappresentata dall’esistenza di movimenti di massa in atto, con una dinamica geomorfologica tendente all’estensione del dissesto
Valutazione empirica: esempio
da: CANUTI & CASAGLI (1996) modificato
LA V.E. RESTA COMUNQUE UNA BASE FONDAMENTALE PER PROCEDERE CON
GLI APPROCCI QUANTITATIVI
2. Indicizzazione degli effetti Stima la pericolosità spaziale sulla base dei fenomeni esistenti già riconosciuti. Determinazione, per ogni unità o sotto-unità geologica, della percentuale di area interessata da fenomeni franosi (VARNES & IAEG (1984), BRABB (1984) e HANSEN (1984)), costruendo INDICI DI FRANOSITÀ.
Documenti base: carta inventario delle frane, carta geologica o litotecnica
Pregi: oggettività, pochi parametri richiesti
Difetti: eccessivamente semplicistica, generalmente non adatta a frane di neoformazione, adatta ad aree con caratteristiche fisiografiche omogenee, non fa distinzioni all’interno delle classi litotecniche individuate
Indicizzazione degli effetti: esempio – Emilia Romagna
Rapporto tra area in frana e area totale di affioramento di una data formazione
. 11 km linee ferroviarie (1.9%) 14 km autostrade (7.0%) 219 km strade statali (12.5%) 813 km strade provinciali (18.6%) 2.234 km strade comunali (15.4%)
12.685 km2 aree montuose e collinari 32.337 frane mappate (1:10.000) 2.554 km2 aree in frana (20,1%) 150 Comuni interessati da frane 235 centri abitati principali 1.911 centri abitati minori
Indicizzazione degli effetti: esempio – Emilia Romagna
Indicizzazione degli effetti: esempio – Isoplete
(CAMPBELL, 1973 CANUTI et al., 1985)
Curve di ugual percentuale di area in frana Più flessibile della precedente nel supporto alle analisi statistiche quantitative a scala di bacino
3. Indicizzazione delle cause Assegnazione di pesi ai singoli fattori di instabilità dei versanti (AMADESI et al., 1977; BRABB, 1984; VARNES & IAEG, 1984) Combinazione dei pesi mediante procedure di sovrapposizione cartografica (specie in ambiente GIS)
... litologia acclività
uso del suolo
Carta della suscettività al dissesto di versante
drenaggio
SOVRAPPOSIZIONE DI MAPPE
Documenti base: carte tematiche dei fattori di frana, carta inventario (per la eventuale validazione dei risultati) Pregi: non necessita di inventari frane già disponibili, permette di tener conto di più parametri allo stesso tempo Difetti: soggettività nell’assegnazione dei pesi e nella scelta delle classi dei parametri
(STEVENSON, 1977)
Indicizzazione delle cause: esempio – Metodo di Stevenson (1977)
VALORI DA ASSEGNARE
FORMULA FINALE: H = (S+2C)·(P+2W)·U
Indicizzazione delle cause: esempio – Metodo a matrice (Hudson, 1992)
I valori vengono combinati tra di loro in modo lineare. I pesi wi sono assegnati con metodi di matrice come quelli suggeriti ad esempio da Hudson (1992). Nel nostro caso otteniamo, per ogni elemento finito di calcolo, una espressione del tipo:
cause A 1 0 2 3
4 B 4 1 9
4 0 C 0 4
2 2 3 D 7
effetti 10 3 7 3 23 SUM
Code interaction 0 none 1 weak 2 fair 3 strong 4 critical
Matrice di interazione variabili A, B, C, D Param. C E C+E C+E nor peso
A 3 10 13 28.3 9.4 B 9 3 12 26.1 8.7 C 4 7 11 23.9 8.0 D 7 3 10 21.7 7.2
SUM 46 100 33
Determinazione dei pesi
I = wA×A + wB×B + ...+wn×N 0 1 2 3
assegnazione valori ai parametri
P = peso1·valore1 + … + pesoi·valorei + … peson·valoren
+ + +
= Esempio di applicazione del metodo a matrice. Bacino del Flumendosa, Sardegna meridionale (Catani et al., 2002)
4. Metodi statistici Mediante l’analisi statistica multivariata di indicatori morfologici, geologici,
idrogeologici, vegetazionali ed idrografici è possibile ottenere modelli per la zonazione relativa della pericolosità.
La statistica può utilizzare:
1. metodi regressivi (Bernknopf et al., 1988; Jade and Sarkar, 1993; Wieczorek et al., 1996)
2. analisi discriminante (Carrara, 1983; Carrara et al., 1991; Chung et al., 1995; Baeza and Corominas, 1996)
3. reti neurali (Bianchi e Catani, 2002; Ermini et al., 2005)
L’analisi dipende fortemente dai parametri scelti e dalla completezza dell’inventario utilizzato per la calibrazione
Documenti base: inventario dei fenomeni franosi, mappe dei parametri predisponenti scelti, modello digitale del terreno ad alta risoluzione (< 50 m) Pregi: oggettività nella assegnazione dei pesi alle variabili, scelta dei parametri dettata anche dalla statistica, possibilità di aggiornamento Difetti: mole dei dati richiesti, complessità di applicazione (richiede sistemi GIS e software specifico)
Metodi statistici - continua
L’adozione di questi metodi prevede l’impiego di numerose carte tematiche e richiede l’utilizzo di sistemi GIS. I sistemi utilizzati sono basati sulla seguente procedura generale:
1) Scelta dei fattori della franosità da utilizzare 2) Determinazione delle classi dei fattori, previa statistica mono
e bivariata 3) Suddivisione del territorio in domini elementari omogenei
(UTO unità territoriali omogenee) 4) Calibrazione del sistema statistico con dati noti 5) Interpolazione delle funzioni di previsione alle aree non note 6) Eventuale validazione (anche di campagna)
Metodi statistici - continua
Metodi statistici: esempio – Bacino del F.Arno
- raccolta di banche dati - foto interpretazione - rilievi di campagna
~ 28000 frane mappate
Inventario Frane
Informazioni su: - tipologia di frana - materiale coinvolto - stato di attività
Metodi statistici: esempio – Bacino del F.Arno
FATTORI CONSIDERATI
ACCLIVITÀ
LITOTECNICA
USO DEL SUOLO
FORMA DEL VERSANTE
AREA BACINO DRENATO
Metodi statistici: esempio – Bacino del F.Arno
SUDDIVISIONE IN AREE
FISIOGRAFICHE OMOGENEE
Ogni area ha in generale connessioni
diverse tra fattori e frane
AREE DIVERSE=RETI NEURALI DIVERSE
Metodi statistici: esempio – Bacino del F.Arno
Per ogni fattore: statistica di distribuzione dentro e fuori dai i corpi di frana tramite
operatori di INTERSEZIONE TRA CARTA INVENTARIO E CARTA TEMATICA DEL
FATTORE
CLASSI OTTIMALI DEL FATTORE
∩
Scivolamenti Fran. diffusi Crolli Colate rapide Colate Soliflussi
Definizione classi: 1) 0°- 6° 2) 6° - 12° 3) 12° - 24° 4) 24° - 28° 5) 28° - 36° 6) > 36°
Metodi statistici: esempio – Bacino del F.Arno
COSTRUZIONE UNITÀ TERRITORIALI OMOGENEE (UTO)
∩
Metodi statistici: esempio – Bacino del F.Arno Addestramento Rete Neurale: fornitura dati di output da aree con
inventario noto (e accurato)
Per ogni UTO delle aree di addestramento si danno alla RETE NEURALE:
1. dati di ingresso (FATTORI DI
FRANA) o var. indipendenti 2. risultato (% di AREA IN FRANA
SECONDO L’INVENTARIO) o var.dipendente
in modo che il sistema APPRENDA quali sono le leggi che legano le CAUSE agli EFFETTI
Unità Territoriali Omogenee (UTO) Numero vettori
proporzionale alla area della UTO
Vettori ingresso ANN
Metodi statistici: esempio – Bacino del F.Arno
Per ogni UTO la rete genera:
Un valore di area in
frana prevista da (0 a 1)
COME TRASFORMARLO IN
CLASSE DI PERICOLOSITÀ?
Metodi statistici: esempio – Bacino del F.Arno
DEFINIZIONE DELLE CLASSI DI PERICOLOSITÀ CON METODO A SOGLIA
0
10
20
30
40
50
60
70
80
90
100
0,000 0,100 0,200 0,300 0,400 0,500 0,600 0,700 0,800 0,900 1,000Output value
%
MLP thresholdsPNN thresholdsPNNMLPPNN_LandslidesMLP_Landslides
HL M VH
Landslide susceptibility MLP
Landslide susceptibility PNN
M VHL H
Metodi statistici: esempio – Bacino del F.Arno
VALIDAZIONE DEI RISULTATI
5. Metodi deterministici I metodi puramente deterministici si basano sul calcolo del fattore di sicurezza (analisi di stabilità all’equilibrio limite) Esempi: MONTGOMERY & DIETRICH, 1996; TARBOTON, 1999; PACK & TARBOTON, 2003. Condizioni cautelative (precipitazioni eccezionali, elevata altezza piezometrica, scosse sismiche). Per il calcolo di F distribuito su interi versanti o bacini è necessario adottare modelli FEM o FDM che ottengono i loro dati direttamente da carte tematiche opportunamente parametrizzate in ambiente GIS. I risultati ottenuti saranno comunque dipendenti dalla qualità e densità spaziale dei dati forniti (KLUGMAN & CHUNG (1976); MULDER (1991)). SOLO modelli al pendio indefinito L’incertezza nella assegnazione dei parametri fondamentali può essere in parte controllata tramite l’analisi probabilistica ma l’utilizzo di queste tecniche a scal di bacino è ancora in una fase puramente speculativa.
Modello di stabilità Skempton & Delory (1957)
da Bromhead (1986)
dove F è il fattore di sicurezza, ru= (γwhw/γ z), γ è il peso di volume del suolo, φ’ è l’angolo di attrito interno e c’ è la coesione. I valori z dello spessore del suolo sono stati ricavati per interpolazione (Moore et al, 1994), secondo la:
dove ∇2ξ è la curvatura locale del versante d, f e g sono costanti empiriche
( )
θθ
φθγ
cossin
tancos1 '2'
urzc
F−+⎟⎟
⎠
⎞⎜⎜⎝
⎛
=
( )gfdz ⋅∇−+−= ξθ 2
0tan
≥=Λθq
TA
cazh bw +Λ=Saturazione:
Metodi deterministici: esempio I
Determinazione speditiva delle variabili direttamente da dati GIS DTM = modello digitale del terreno da cui derivano pendenza θ e area drenata a. Le restanti variabili di natura geologica possono essere comunque estratte dalle tabelle GIS relative alla geologia, al clima etc. L’analisi di stabilità viene applicata pixel per pixel calcolando l’equazione in modo distribuito. Anche lo spessore del suolo può essere interpolato utilizzando modelli opportuni basati sulle caratteristiche topografiche e geologiche, ancora una volta attraverso gli strumenti GIS.
θφθ
γγ
φθγsen
qT
zc
ba
w⎥⎦
⎤⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛−+≥tantan1
tancos2'
dal DTM
dalla Litotecnica
Metodi deterministici: esempio II (modello di Montgomery & Dietrich, 1994)
Metodi deterministici: esempio T.Virginio
Le aree a rischio sono in buon accordo con le frane mappate nell’inventario (colore magenta)
Carta di pericolosità finale
Gli indici relativi sono basati su una riclassificazione del fattore di sicurezza secondo WARD (1976)
0
0.5
1
1.5
2
2.5
3
0 0.5 1 1.5 2
fattore di sicurezza F
dens
ità d
i pro
babi
lità
p(F)
(1)
(2)
00.10.20.30.40.50.60.70.80.91
0 0.5 1 1.5 2
fattore di sicurezza F
prob
abili
tà P
(F)
(1)(2)
Pericolosità
P(F≤1) ALTA
< 0.6
MEDIA
0.3 - 0.6 BASSA
< 0.3
Classi di Pericolosità (Ward, 1976)
P F t p F Ft
( ) ( )≤ =−∞∫ d
Probabilità di rottura:
Metodi deterministici: analisi probabilistica
Previsione temporale
Come aggiungere informazioni sulla variabile tempo?
Come prevedere anche il tempo di innesco?
1. Valutazione euristica sullo stato di attività 2. Analisi di soglia degli eventi di innesco 3. Analisi deterministica dinamica (MOLTO COMPLESSA DA
APPLICARE ALLA SCALA DI BACINO) 4. Monitoraggio (ANCHE QUESTO PURTROPPO NON
APPLICABILE ALLA SCALA DI BACINO SE NON CON METODI SATELLITARI
Classe
Pericolosità
T (anni)
Tipo di frana 1
MOLTO ELEVATA
< 2
continua o stagionale 2
ELEVATA
2 - 5
intermittente
3
MEDIA
5 - 20
intermittente 4
BASSA
20 - 50
intermittente
5
MOLTO BASSA
> 50
intermittente
Pericolosità
T (anni)
P (annuale) ESTREMAMENTE ELEVATA
1
1
MOLTO ELEVATA
5
0.2 ELEVATA
20
0.05 MEDIA
100
0.01
BASSA
1000
0.001 MOLTO BASSA
10000
0.0001
(Fell, 1994)
(Del Prete, 1992)
Scale di pericolosità temporale (associano un grado di pericolosità allo stato di attività stimato)
Frane attive: classe H4
Frane quiescenti: classe H3
? ?
?
Tuttavia: nessuna informazione temporale sulle aree non in frana
METODO ADATTO SOPRATTUTTO AD
AREE CON FRANE DI RIATTIVAZIONE
Previsione temporale tramite analisi di soglia: relazione piogge-frane
Previsione temporale tramite analisi di soglia: cumulate di pioggia
Analisi di soglia: curve di allerta
Previsione temporale tramite monitoraggio satellitare: InSAR (Interferometria Radar)
h S
TIME 1 TIME 2 T
R
φiφf
T
R
φi ‘φf ‘
T
R
φiφf
T
R
φi ‘φf ‘
Interferogramma: differenza di fase Si misurano gli spostamenti nel tempo
Previsione temporale tramite monitoraggio satellitare: PS-InSAR (Permanent Scatterers)
multi-image processing
tem
po
100 Km 100 Km
ESA - ERS
35 giorni
Dataset of SAR images
Punti altamente riflettenti vengono monitorati a cadenza mensile con misura di spostamenti millimetrici. Insensibile ai movimenti rapidi
LegendLandslide polygons
attiv
instab
quiesc
Landslidelines
attivinatt
PS ascendingVel (mm/y)") -29.18 - -5.00") -4.99 - -3.00
") -2.99 - -1.25
") -1.24 - 1.25
") 1.26 - 3.00
") 3.01 - 5.00
") 5.01 - 29.05
PS DescendingVel (mm/y)$+ -29.18 - -5.00
$+ -4.99 - -3.00
$+ -2.99 - -1.25
$+ -1.24 - 1.25
$+ 1.26 - 3.00
$+ 3.01 - 5.00
$+ 5.01 - 29.05
G PS_rufina
active inactive
dormant
active inactive
PS-InSAR - Esempio
Riassunto Pericolosità Spaziale a scala si
bacino 1. Metodi euristici (indagini
geomorfologiche, estrapolazione dati su singoli siti…)
2. Metodi di indicizzazione (cause o effetti)
3. Metodi statistici (al momento metodo ottimale quando accompagnato da analisi di tipo 1 su versanti rappresentativi)
4. Metodi deterministici (applicabili al momento, e con difficoltà, solo per pendio indefinito
Nel futuro: Modelli deterministici distribuiti a
scala di dettaglio ???
Pericolosità Temporale a scala si bacino
1. Metodi euristici (analisi
geomorfologica dello stato di attività ed estrapolazione)
2. Metodi soglia (piogge-frane) 3. Metodi di monitoraggio
satellitare (InSAR e PS-InSAR) Nel futuro: Metodi deterministici ??? Problema: necessità di dati a
precisione e dettaglio non ancora disponibili, necessità di dati in tempo reale (piogge con radar meteo…)
Analisi di soglia: curve di allerta