Delimitazione delle aree soggette a inondazioni nelle regioni costiere scoscese attraverso una procedura basata sull’indice GFI

Il metodo dell’indice di alluvione geomorfologico (GFI) fornisce una buona rappresentazione delle aree soggette a inondazioni. Tuttavia, il metodo non tiene conto dei trasferimenti di acque alluvionali in interbacini indefiniti (UIB), che rappresentano piccoli bacini interclusi lungo la costa che potrebbero essere inondati da grandi fiumi adiacenti. Il presente lavoro affronta questa lacuna integrando l’approccio GFI con una procedura iterativa che considera gli UIB ei trasferimenti di acqua tra i bacini. La metodologia è stata testata su un bacino costiero dell’Italia meridionale e il risultato è stato confrontato con una mappa delle piene ottenuta da una simulazione idraulica bidimensionale. Le prestazioni di GFI come descrittore morfologico sono migliorate dal 74% (metodo standard) al 94% con l’aggiunta della procedura iterativa. La metodologia proposta, con la stessa parametrizzazione, è stata applicata su un secondo bacino costiero adiacente ottenendo miglioramenti sia in termini di tassi di veri positivi (dal 56 al 79%) che di falsi negativi (dal 44 al 21%). Infine, un’analisi di sensitività ai periodi di ritorno delle piene ha evidenziato una forte influenza sulla parametrizzazione del modello per periodi di ritorno inferiori a 20 anni. Questo risultato rappresenta un nuovo sviluppo nell’applicazione del metodo GFI, che può aiutare le parti interessate in una gestione del rischio di alluvione più efficace in termini di tempo e costi nelle aree a rischio.

How to cite: Albertini, C., D. Miglino, V. Iacobellis, F. De Paola, S. Manfreda, Flood-prone areas delineation in coastal regions using the Geomorphic Flood IndexJournal of Flood Risk Management, e12766,(https://doi.org/10.1111/jfr3.12766) 2021.

Delimitazione Aree Inondabili – GFA Tool

GFA – tool is an open-source QGIS plug-in to realize a fast and cost-effective delineation of the floodplains in the contexts where the available data is scarce to carry out hydrological/hydraulic analyses.

The delineation of flood hazard and flood risk areas is a critical issue whose complete achievement regularly encounters several practical difficulties. In data-scarce environments (e.g. ungauged basins, large-scale analyses), useful information about flood hazard exposure can be obtained using geomorphic methods. In order to advance this field of research, we implemented in the QGIS environment an automated DEM-based procedure that exhibited high accuracy and reliability in identifying the flood-prone areas in several test sites located in Europe, United States and Africa. This tool, named Geomorphic Flood Area tool (GFA tool), enables a fast and cost-effective flood mapping by performing a linear binary classification based on the recently proposed Geomorphic Flood Index (GFI). The GFA tool provides a user-friendly strategy to map flood exposure over large areas. 

References

Samela, C., R. Albano, A. Sole, S. Manfreda, An open source GIS software tool for cost effective delineation of flood prone areasComputers, Environment and Urban Systems, 70, 43-52 (doi: 10.1016/j.compenvurbsys.2018.01.013), 2018.  [pdf]

Samela, C., T.J. Troy, S. Manfreda, Geomorphic classifiers for flood-prone areas delineation for data-scarce environmentsAdvances in Water Resources,  102, 13-28, (doi: 10.1016/j.advwatres.2017.01.007), 2017. [pdf]

Manfreda, S., C. Samela, A. Gioia, G. Consoli, V. Iacobellis, L. Giuzio, A. Cantisani, A. Sole, Flood-Prone Areas Assessment Using Linear Binary Classifiers based on flood maps obtained from 1D and 2D hydraulic modelsNatural Hazards, 79 (2), 735-754, (doi: 10.1007/s11069-015-1869-5), 2015. [pdf]

Manfreda, S., F. Nardi, C. Samela, S. Grimaldi, A. C. Taramasso, G. Roth and A. Sole, Investigation on the Use of Geomorphic Approaches for the Delineation of Flood Prone AreasJournal of Hydrology, 517, 863-876, (doi: 10.1016/j.jhydrol.2014.06.009), 2014.

Github repository

QGIS Python Plugins Repository

MATLAB CODE

Stima delle aree inondabili mediante le caratteristiche geomorfiche e climatico-idrologiche del bacino

Un indice topografico (descrittore di inondazione) che combina la scala della profondità di piena con la morfologia è stato dimostrato per descrivere la tendenza di un’area ad essere inondata. Tuttavia, questo approccio dipende dalla qualità e dalla disponibilità delle mappe delle inondazioni e presuppone che i risultati possano essere direttamente estrapolati e ridimensionati. Questo lavoro tenta di rilassare questi problemi e rispondere a due domande: 1) Si possono stabilire relazioni funzionali tra un descrittore di inondazione e le caratteristiche geomorfiche e climatico-idrologiche del bacino? 2) In caso affermativo, possono essere utilizzate per una modellazione predittiva a bassa complessità delle estensioni delle piene? Le regressioni lineari stepwise e le regressioni random forest sono sviluppate sulla base dei risultati di classificazione di un descrittore di inondazione, utilizzando i risultati di modellazione delle inondazioni ad alta risoluzione come benchmark di formazione, e sulle caratteristiche del bacino. I bacini idrografici elementari di quattro bacini fluviali in Europa (Tamigi, Weser, Reno e Danubio) servono come set di dati di allenamento, mentre quelli del bacino del fiume Rodano in Europa servono come set di dati di test. Sono considerati due periodi di ritorno, il 10 e il 10.000 anni. La previsione delle estensioni delle inondazioni e delle aree soggette a inondazioni mostra che entrambi i modelli raggiungono alti tassi di successo rispetto ai benchmark di test. I valori medi sono stati trovati superiori al 60% e all’80% per i periodi di ritorno di 10 e 10.000 anni, rispettivamente. Nonostante un tasso di falsa scoperta da moderato ad alto, anche il valore dell’indice di successo critico è stato trovato da moderato ad alto. Si dimostra che mettendo in relazione i risultati della classificazione con le caratteristiche del bacino idrografico si può ottenere la previsione delle estensioni di inondazione dell’involucro per una data regione, compresi i bacini non bonificati.

Pubblicazione: Tavares da Costa, R., S. Zanardo, S. Bagli, A. G. J. Hilberts, S. Manfreda, C. Samela, e A. Castellarin, modellazione predittiva di estensioni di inondazione busta utilizzando caratteristiche geomorfiche e climatico-idrologiche bacino, Water Resources Research, (doi: 10.1029/2019WR026453), 2020.

Mappatura del rischio di inondazione su larga scala

La valutazione del rischio di inondazione su larga scala è essenziale per sostenere le politiche nazionali e globali, le operazioni di emergenza e la gestione dell’uso del territorio. Il presente studio propone un metodo efficiente in termini di costi per la mappatura su larga scala dei danni economici diretti delle inondazioni in ambienti con scarsità di dati. Il quadro proposto consiste in tre fasi principali: (i) derivare una mappa di profondità dell’acqua attraverso un metodo geomorfico basato su una classificazione binaria lineare supervisionata; (ii) generare una mappa di esposizione dell’uso del suolo sviluppata da immagini satellitari multispettrali Landsat 8 utilizzando un algoritmo di classificazione ad apprendimento automatico; e (iii) eseguire una valutazione dei danni da inondazione utilizzando uno strumento GIS, basato sul metodo delle curve di vulnerabilità (profondità-danno). Il metodo integrato proposto è stato applicato sull’intero paese della Romania (compresi i bacini di ordine minore) per un tempo di ritorno di 100 anni con una risoluzione di 30 m. I risultati hanno mostrato come la descrizione del rischio di inondazione può beneficiare specialmente della capacità del modello proposto, efficiente in termini di costi, di effettuare analisi su larga scala in ambienti con scarsità di dati. Questo approccio può aiutare a eseguire e aggiornare le valutazioni e la gestione del rischio, tenendo conto dei cambiamenti temporali e spaziali del pericolo, dell’esposizione e della vulnerabilità.

Pubblicazione: Albano, R.; Samela, C.; Crăciun, I.; Manfreda, S.; Adamowski, J.; Sole, A.; Sivertun, Å.; Ozunu, A. Large Scale Flood Risk Mapping in Data Scarce Environments: An Application for Romania. Water12, 1834, 2020.