GFI 2.0

GFI 2.0 è una versione potenziata del Geomorphic Flood Index progettata per superare uno dei principali limiti della mappatura delle aree inondabili basata su DEM: l’incapacità dei metodi puramente geomorfici di riprodurre gli effetti di rigurgito (backwater) controllati dalle confluenze. Introducendo una correzione iterativa guidata dalla gerarchia dei reticoli idrografici secondo Horton–Strahler, GFI 2.0 migliora la coerenza fisica della mappatura preservando la parsimonia, i bassi requisiti di dato e l’efficienza computazionale che hanno reso il GFI originale uno strumento di riferimento per lo screening a larga scala in contesti data-scarce.

Highlights

• Nuovo modulo iterativo di confluenza che propaga l’informazione di backwater verso monte lungo i tributari, in base all’ordine gerarchico del reticolo.
• Validazione su 12 bacini italiani usando come riferimento le mappe di pericolosità idraulica ISPRA, con quattro DEM da 90 m a 10 m (SRTM, MERIT, FABDEM, TINITALY).
• Benchmark idraulico dettagliato nel bacino del fiume Bradano con simulazioni 2D HEC-RAS per tempi di ritorno di 30, 200 e 500 anni.
• L’AUC passa da 0,917 → 0,952 (Tr 30), 0,918 → 0,960 (Tr 200) e 0,914 → 0,959 (Tr 500); l’RMSE sulla profondità di inondazione scende da 5,25 a 3,24 m (Tr 200) e da 5,66 a 3,58 m (Tr 500).
• Il nuovo step di backwater pesa < 0,3 % del runtime totale, anche a 10 m di risoluzione sul bacino del Po settentrionale (~17 400 km²).

Motivazione

La disponibilità di informazioni affidabili sulla pericolosità idraulica è alla base della gestione del rischio, della pianificazione territoriale e della risposta in emergenza. Tuttavia i modelli idraulici bidimensionali di dettaglio restano costosi in termini di dati e risorse e sono difficili da applicare in modo consistente su grandi domini. Gli indici geomorfici basati su DEM — e in particolare il Geomorphic Flood Index (GFI) introdotto da Manfreda et al. (2015) e Samela et al. (2017) — offrono un’alternativa parsimoniosa per la delimitazione rapida delle aree inondabili. La formulazione originale, però, associa ogni cella al più vicino elemento del reticolo idrografico e, quindi, rappresenta in modo non corretto l’inondazione in prossimità delle confluenze, dove il rigurgito del corso d’acqua principale e l’interazione tributario–asta principale possono allagare piane secondarie ben oltre quanto suggerito dalla sola connettività di drenaggio locale.

Cosa c’è di nuovo in GFI 2.0

GFI 2.0 mantiene la definizione originale dell’indice, GFI = ln(hr/H), dove h_r è il tirante a piene rive del segmento fluviale più vicino (scalato sull’area contribuente secondo una relazione di Leopold–Maddock) e H è la differenza di quota fra il punto considerato e quel segmento. Su questa base viene introdotto un modulo iterativo di confluenza che, per ciascun pixel:

1. Individua la confluenza più vicina verso valle, sfruttando l’ordinamento di Horton–Strahler del reticolo.
2. Ricalcola h_r, H e la corrispondente stima della profondità di inondazione WD usando i descrittori della confluenza al posto di quelli del tributario locale.
3. Adotta i descrittori di confluenza soltanto se implicano una WD maggiore di quella originaria — cioè solo dove il rigurgito dell’asta principale è idraulicamente rilevante.
4. Itera procedendo di confluenza in confluenza verso valle, fino a raggiungere l’asta principale o a violare la condizione precedente.

La correzione è quindi mirata: nel bacino del Bradano, vengono modificati solo dallo 0,97 % al 2,45 % dei pixel (in funzione del tempo di ritorno), ma sono esattamente i pixel che controllano il realismo della configurazione dell’allagamento in prossimità delle confluenze.

Validazione multi-bacino su scala nazionale

Il framework è stato testato su 12 bacini italiani che coprono un ampio ventaglio di condizioni fisiografiche (aree drenate da 381 a 17 208 km², quote medie da 316 a 1095 m s.l.m.), utilizzando quattro DEM di origine e risoluzione differenti: SRTM (90 m), MERIT (90 m), FABDEM (30 m) e TINITALY v1.1 (10 m). Il riferimento di confronto è il prodotto nazionale di pericolosità idraulica ISPRA (HPH ≈ 30–50 anni, MPH ≈ 100–200 anni, LPH > 200 anni). I principali risultati di questa parte dell’analisi sono:

• Il valore aggiunto di GFI 2.0 è massimo in ambienti di valle e di versante, dove l’espansione delle piane alluvionali e l’interazione tributario–asta principale sono più rilevanti.
• I miglioramenti sono più contenuti nei bacini montani fortemente confinati, dove la geometria della valle costringe già di per sé l’espansione dell’inondazione e GFI 1.0 rimane un’approssimazione competitiva.
• Il vantaggio relativo di GFI 2.0 cresce con l’uso di DEM più grossolani, perché il modulo di confluenza compensa in parte la perdita di dettaglio topografico locale.

Il caso studio del fiume Bradano

È stato implementato un modello idrodinamico 2D dedicato in HEC-RAS 5.0.7 a valle della diga di San Giuliano sul fiume Bradano (~2998 km², Basilicata), su un DEM a 5 m e una mesh a celle variabili (50 m di base, 20 m lungo le breaklines). Sono stati simulati in regime non stazionario tre scenari per tempi di ritorno di 30, 200 e 500 anni, con portate al colmo pari a 1770, 3375 e 4070 m³/s; i risultati sono stati usati come benchmark fisicamente basato sia per l’estensione dell’inondazione, sia per la massima profondità idrica.

Rispetto a GFI 1.0, GFI 2.0 migliora sistematicamente la classificazione delle aree inondabili: l’errore combinato R_FP + (1 − R_TP) si riduce da 0,239 a 0,141 (Tr 30), da 0,283 a 0,174 (Tr 200) e da 0,288 a 0,183 (Tr 500). Migliorano anche le stime di profondità, soprattutto per i tempi di ritorno più alti: l’RMSE scende da 5,25 a 3,24 m a Tr 200 e da 5,66 a 3,58 m a Tr 500, mentre la KGE passa da −0,27 a 0,26 e da −0,24 a 0,22 rispettivamente. Si riduce anche il noto bias positivo delle profondità da GFI: la profondità media a Tr 200 cala da 6,88 m a 5,21 m, contro un valore simulato di 3,37 m.

Computazionalmente leggero, anche a 10 m

Un benchmark di runtime sul bacino del Po settentrionale (~17 400 km², ~174 milioni di pixel a 10 m) mostra che l’intero workflow di GFI 2.0 resta operativamente leggero: circa 1 minuto con DEM a 90 m, 7,6 minuti con FABDEM a 30 m e 62,9 minuti con TINITALY a 10 m. Soprattutto, il nuovo step di propagazione del backwater richiede da solo meno dello 0,3 % del tempo totale anche nella configurazione più onerosa: il maggior realismo fisico arriva quindi sostanzialmente “a costo zero”. Il costo dominante resta legato al calcolo delle distanze topologiche e alla calibrazione/ricalibrazione del classificatore binario lineare.

Implicazioni pratiche

GFI 2.0 va interpretato come un raffinamento mirato dell’ indice originale, non come un sostituto universale. È particolarmente indicato per:

• Screening regionale delle aree inondabili in contesti data-scarce, in particolare con DEM globali (SRTM, MERIT, FABDEM).
• Valutazioni preliminari di pericolosità e individuazione delle aree per le quali è giustificato un successivo modello idraulico 2D di dettaglio.
• Uso come predittore fisicamente fondato all’interno di workflow ibridi idrologico–idraulici e di pipeline di machine learning / deep learning per la mappatura della suscettibilità all’inondazione.

GFI 2.0 non risolve la quantità di moto, non riproduce la temporizzazione dell’idrogramma né le velocità, e non rappresenta esplicitamente argini, ponti o tombini; i suoi output vanno letti come inviluppi di primo ordine, geomorfologicamente informati, dell’area inondabile e della profondità di inondazione indicativa.

Risorse

• Articolo open access (DOI): 10.1016/j.catena.2026.110242
• Codice MATLAB (Zenodo): 10.5281/zenodo.18903835
• Riferimenti fondativi del GFI: Manfreda et al., 2015 (Natural Hazards); Samela et al., 2017 (Advances in Water Resources); Manfreda & Samela, 2019 (J. Flood Risk Management).
• Strumenti correlati sul sito: vedi la pagina HydroTools per il toolbox GFI / flood mapping.

Come citare

Manfreda, S., Saavedra Navarro, J., Albertini, C., Zhuang, R., Pacia, F. D., Chaturvedi, S., & Samela, C. (2026). Geomorphic flood index 2.0: enhanced tools for delineating flood-prone areas in data-scarce regions. Catena, 110242. https://doi.org/10.1016/j.catena.2026.110242

Finanziamenti

Questo studio è stato svolto nell’ambito del Partenariato Esteso RETURN, finanziato dall’Unione Europea Next-Generation EU (PNRR, Missione 4, Componente 2, Investimento 1.3 — D.D. 1243 del 02/08/2022, PE0000005); del programma ESA MOST Dragon VI (DTE-CLIMATE: Digital Twin Earth Approach for Monitoring and Modelling Climate Change in Water, Energy and Carbon Cycles in Eurasia); e del progetto CHANCES (An Integrated Modelling Approach for Mitigating Climate Change Effects through Enhanced Weathering in Southern Italy, CUP E53D23021850001). Il lavoro ha inoltre beneficiato del supporto dei Programmi di Dottorato in Sviluppo Sostenibile e Cambiamento Climatico della Scuola Universitaria Superiore IUSS di Pavia, in cooperazione con l’Università di Napoli Federico II (cicli XXXIX e XL, PNRR — NextGenerationEU).

Autori

• Salvatore Manfreda — Dipartimento di Ingegneria Civile, Edile e Ambientale (DICEA), Università di Napoli Federico II.
• Jorge Saavedra Navarro — DICEA, Università di Napoli Federico II.
• Cinzia Albertini — DICEA, Università di Napoli Federico II.
• Ruodan Zhuang — DICEA, Università di Napoli Federico II.
• Felice Daniele Pacia — DICEA, Università di Napoli Federico II & Scuola Universitaria Superiore IUSS di Pavia.
• Sadashiv Chaturvedi — DICEA, Università di Napoli Federico II & Scuola Universitaria Superiore IUSS di Pavia.
• Caterina Samela — Consiglio Nazionale delle Ricerche, Istituto di Metodologie per l’Analisi Ambientale (CNR-IMAA), Tito Scalo (PZ).