ANALISI GIS E MODELLI STATISTICI PER LA VALUTAZIONE DELLA SUSCETTIBILITÀ DA FRANA A SCALA DI BACINO: IL CASO STUDIO DEL BACINO DEL TORRENTE MARVELLO

Lo studio condotto nel presente lavoro di tesi ha affrontato il tema della valutazione, a scala di bacino idrografico, della suscettibilità ai fenomeni di tipo colamento, attraverso l’applicazione di modelli statistici e tecniche di analisi spaziale GIS. La fase iniziale della preparazione di un modello di suscettibilità da frana prevede la realizzazione di un inventario degli eventi verificatesi nell’area di studio. Questo passo è di fondamentale importanza, considerando che proprio attraverso l’archivio frane è possibile analizzare ed individuare le condizioni che in passato hanno favorito l’innesco dei movimenti di versante. L’identificazione di queste condizioni, infatti, consente di prevedere dove è più probabile che possano innescarsi frane nel futuro. Nell’area di studio è stato costruito un inventario delle frane di tipo colamento analizzando differenti immagini e conducendo verifiche di campo. In particolare, sono state analizzate le immagini satellitari disponibili nel sistema Google EarthTM, le ortofoto del volo ATA 2007-2008 e immagini di tipo hillshade o shaded relief map ricavate da DEM ad alta risoluzione. La carta dei colamenti prodotta, dove ogni fenomeno è suddiviso in area sorgente ed area di accumulo, mostra un livello di dettaglio sensibilmente maggiore rispetto ad altri archivi frane (i.e. PAI e CARG) disponibili per la zona studiata. Un punto fondamentale nella preparazione di modelli di suscettibilità da frana è l’individuazione delle condizioni ambientali precedenti all’innesco delle frane. Tale aspetto può essere problematico quando, come avviene molto spesso, non si conosce l’esatta collocazione temporale degli eventi e si analizzano caratteristiche ambientali che cambiano nel tempo. Tra queste vi è certamente la topografia, che viene modificata dagli stessi eventi franosi, i quali generano profili concavo-convessi, gradini morfologici, superfici in contro-pendenza, fratture, ecc. In questo lavoro, per approssimare quanto più possibile le condizioni topografiche pre-innesco, si è partiti dal DEM più accurato (cella 2 m) disponibile per l’area, chiamato DEM_2008, la cui età è certamente più recente dell’inventario delle frane, dal momento che l’immagine hillshade derivata da tale DEM è stata utilizzata come supporto per l’individuazione dei colamenti nel bacino. La ricostruzione delle condizioni topografiche originarie è stata realizzata interpolando la quota delle celle all’interno delle frane tramite l’algoritmo topo-to-raster. Questo ha permesso di costruire un modello digitale del terreno, chiamato DEM_pre, che simula le condizioni topografiche pre-innesco per le porzioni di versante occupate da frane di tipo colamento. Per quanto a nostra conoscenza, la ricostruzione della superficie originaria è stata tentata solo in un caso in letteratura, mentre la maggior parte dei lavori sulla valutazione della suscettibilità da frana ignora il problema del ricercare le caratteristiche topografiche pre-rottura o lo risolve identificando le condizioni di innesco all’intorno delle frane mappate. Il DEM_pre è stato utilizzato per derivare in modo automatico 15 variabili topografiche che insieme alla litologia affiorante sono state utilizzate come variabili indipendenti per la modellazione statistica della suscettibilità ai colamenti. A tale scopo sono stati utilizzati due metodi statistici: la regressione logistica ed il modello MARS (Multivariate Adaptive Regression Splines). Tali metodi sono stati calibrati e validati utilizzando campioni di celle (o pixel) raster di lato 10 m, estratte da una matrice di dati, nella quale ciascuna riga corrisponde ad un cella, mentre le colonne rappresentano i valori delle variabile dipendente dicotomica (presenza o assenza di frana) e di quelle indipendenti. In un primo esperimento, utilizzando il metodo della regressione logistica, sono state testate due differenti tecniche di campionamento dei casi negativi (assenza di frane), che hanno portato alla preparazione di due gruppi di pixel. I due gruppi condividono i casi positivi, che corrispondono a tutte le celle ricadenti all’interno delle aree sorgenti, mentre si differenziano per i casi negativi, selezionati in modo random all’interno del bacino, come celle individuali nel primo gruppo, utilizzando aree circolari nel secondo gruppo. I due gruppi di dati sono stati ulteriormente suddivisi in cinque sottoinsiemi, ciascuno dei quali è stato impiegato per calibrare un modello e per testare la capacità predittiva dei modelli allenati con gli altri quattro sottoinsiemi. I risultati della validazione dei modelli di suscettibilità, valutati preparando curve ROC e calcolando i rispettivi valori di AUC, dimostrano che la seconda tecnica di campionamento produce modelli con migliore capacità di discriminare tra presenze e assenze e suggeriscono che la procedura adottata è robusta quando si effettuano cambiamenti nei dati di calibrazione e validazione. Nel secondo esperimento sono stati costruiti modelli di suscettibilità alle frane di tipo colamento utilizzando una tecnica statistica ampiamente collaudata, quale la regressione logistica, e un metodo applicato solo poche volte in tale ambito, quale il MARS (Multivariate Adaptive Regression Splines). I modelli sono stati calibrati e validati utilizzando il gruppo di celle che ha dato prestazioni migliori nel primo esperimento, cioè quelle in cui i casi negativi sono selezionati usando aree circolari casualmente collocate all’interno del bacino. Come per il primo esperimento, per la procedura di validazione i dati sono stati suddivisi in cinque sottoinsiemi, ciascuno impiegato per valutare la bontà di adattamento e la capacità previsionale di cinque modelli di suscettibilità. I risultati, anche in questo caso valutati con curve ROC e valori di AUC, mostrano, nel complesso, che i modelli di suscettibilità sono dotati di un’accuratezza da eccellente a straordinaria (Hosmer e Lemeshow, 2000), sono robusti e che non soffrono di problemi di over-fitting. Tuttavia, i risultati della validazione indicano migliori prestazioni per i modelli MARS sia in termini di bontà di adattamento ai dati di allenamento che di capacità previsionale dei dati test. Ciascuno dei due metodi statistici è poi stato impiegato per preparare una carta della suscettibilità alle frane di tipo colamento per l’intera area di studio. In conclusione, gli eccellenti risultati dei modelli di suscettibilità ai colamenti dimostrano l’attendibilità della superficie topografica pre-rottura che è stata ricostruita attraverso un processo di interpolazione. Il lavoro, inoltre, ha evidenziato come il metodo utilizzato per la sezione dei casi negativi possa influenzare le prestazioni previsionali dei modelli di suscettibilità, dimostrando che un campionamento con aree circolari casualmente distribuite nel bacino produce modelli migliori rispetto ad una selezione dei negativi come pixel individuali. Infine, la tesi ha confermato l’eccellente capacità della regressione logistica di discriminare versanti stabili e frane e ha dimostrato che il metodo MARS può essere utilizzato per lo stesso scopo con risultati ancora migliori.