- Analisi critica di modelli previsionali per le frane in Emilia Romagna
- Analysis of forecasting models for landslides in Emilia Romagna
- Franceschini, Silvia <1982>
Subject
- GEO/04 Geografia fisica e geomorfologia
Description
- Questa tesi di dottorato è inserita nell’ambito della convenzione tra ARPA_SIMC (che è l’Ente finanziatore), l’Agenzia Regionale di Protezione Civile ed il Dipartimento di Scienze della Terra e Geologico - Ambientali dell’Ateneo di Bologna. L’obiettivo principale è la determinazione di possibili soglie pluviometriche di innesco per i fenomeni franosi in Emilia Romagna che possano essere utilizzate come strumento di supporto previsionale in sala operativa di Protezione Civile. In un contesto geologico così complesso, un approccio empirico tradizionale non è sufficiente per discriminare in modo univoco tra eventi meteo innescanti e non, ed in generale la distribuzione dei dati appare troppo dispersa per poter tracciare una soglia statisticamente significativa. È stato quindi deciso di applicare il rigoroso approccio statistico Bayesiano, innovativo poiché calcola la probabilità di frana dato un certo evento di pioggia (P(A|B)) , considerando non solo le precipitazioni innescanti frane (quindi la probabilità condizionata di avere un certo evento di precipitazione data l’occorrenza di frana, P(B|A)), ma anche le precipitazioni non innescanti (quindi la probabilità a priori di un evento di pioggia, P(A)). L’approccio Bayesiano è stato applicato all’intervallo temporale compreso tra il 1939 ed il 2009. Le isolinee di probabilità ottenute minimizzano i falsi allarmi e sono facilmente implementabili in un sistema di allertamento regionale, ma possono presentare limiti previsionali per fenomeni non rappresentati nel dataset storico o che avvengono in condizioni anomale. Ne sono esempio le frane superficiali con evoluzione in debris flows, estremamente rare negli ultimi 70 anni, ma con frequenza recentemente in aumento. Si è cercato di affrontare questo problema testando la variabilità previsionale di alcuni modelli fisicamente basati appositamente sviluppati a questo scopo, tra cui X – SLIP (Montrasio et al., 1998), SHALSTAB (SHALlow STABility model, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).
- This PhD thesis is inserted in the agreement between ARPA_SIMC (which is the sponsor), the Regional Civil Protection and the Department of Earth Sciences and Geo - Environmental of the University of Bologna. The main objective is the determination of possible rainfall thresholds for triggering landslides in Emilia Romagna, which can be used as an aid in forecasting operations of Civil Protection. In a such complex geological context, the distinction between critical and non-critical rainfall is not trivial: when different outputs (failure or no-failure) can be obtained for the same input (a given rainfall event) a deterministic approach is no longer applicable and a probabilistic model is needed. We use a Bayesian statistical approach, applied to a dataset ranging between 1939 and 2009, that is a direct application of conditional probabilities. The conditional probability is the probability of some event A (in our case a landslide) given the occurrence of some other event B (a rainfall episode with a certain magnitude, expressed in terms of total rainfall, intensity or any other variable). Conditional probability is written P(A|B) and it is read “the probability to have a landslide (A) given a rainfall episode (B)”. Probabilistic Bayesian thresholds minimize false alarms and can be easily implemented in a regional warning system, but their predictive capacity is limited about phenomena that are not represented in the historical dataset. This is the case of shallow landslides evolving in debris flows, extremely rare in the last 70 years, but, recently, their frequency is increasing. We tried to address this problem by testing the predictive capacity of some physically based models developed in literature, as X - SLIP (Montrasio et al., 1998), SHALSTAB (model Shallow Stability, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).
Date
- 2012-05-11
Type
- Doctoral Thesis
- PeerReviewed
Format
- application/pdf
Identifier
urn:nbn:it:unibo-4110
Franceschini, Silvia (2012) Analisi critica di modelli previsionali per le frane in Emilia Romagna, [Dissertation thesis], Alma Mater Studiorum Università di Bologna. Dottorato di ricerca in Modellistica fisica per la protezione dell'ambiente