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.