Gli eventi alluvionali sono tra i pericoli naturali più distruttivi e richiedono strategie di gestione del rischio complete per mitigarne l’impatto sulla società e sull’ambiente.Questo studio utilizza il potenziale del modello Random Forest (RF) per valutare la suscettibilità alle alluvioni in Italia, analizzando 26 potenziali fattori di condizionamento delle alluvioni (FCF).È stata adottata una strategia olistica, denominata Average Merit of Information (AMI), per massimizzare l’informazione contenuta nei FCF, affrontando al contempo le problematiche di correlazione mediante l’indice di correlazione di Pearson e il Variance Inflation Factor (VIF).
Le osservazioni satellitari e i dati regionali degli eventi alluvionali storici sono stati utilizzati per calibrare il modello e rappresentare l’estensione massima delle alluvioni.Undici insiemi di fattori (SoF) sono stati valutati tramite un set di validazione e confrontati con le mappe ufficiali di pericolosità alluvionale.
Il modello RF addestrato con SoF-1 (precipitazione massima giornaliera media – MMDP, Geomorphic Flood Index (GFI), distanza dal corso d’acqua più vicino – DNR, quota, litologia, proprietà del suolo, Normalized Difference Vegetation Index (NDVI) e uso/copertura del suolo) ha dimostrato una capacità di generalizzazione superiore rispetto ad altri SoF.
L’inclusione del GFI ha migliorato significativamente l’accuratezza predittiva nella maggior parte delle aree non esplorate, sebbene persistano difficoltà nelle zone pianeggianti e in alcune aree prive di dati.
In definitiva, l’integrazione di informazioni aggiornate derivate da satellite, dataset complementari e predittori adeguati facilita l’identificazione accurata delle aree soggette a inondazioni, ottimizzando i processi computazionali e fornendo ai decisori un’analisi preliminare affidabile.
Citazione: Saavedra Navarro, J., Zhuang, R., Albertini, C., & Manfreda, S. (2025). Mapping flood susceptibility using random forest exploiting satellite observations and geomorphic features. Science of the Total Environment, Volume 1002, 1 November 2025, 180592.[pdf]