1. Introduzione - IARG 2014

Una proposta per la definizione dello stato di attività di fenomeni franosi a
cinematica lenta a media scala
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini
Dipartimento di Ingegneria Civile, Università di Salerno
e-mail: [email protected]; [email protected]; [email protected]; [email protected], [email protected]
Sommario
La memoria presenta una procedura finalizzata alla definizione dello stato di attività di fenomeni franosi a
cinematica lenta a media scala attraverso l’integrazione di dati derivanti dal processamento mediante tecniche
interferometriche differenziali di immagini acquisite con Radar ad Apertura Sintetica (DInSAR) ed i risultati di
analisi statistiche multivariate condotte utilizzando la cartografia tematica disponibile. La procedura è stata
testata, a scala media (1:25.000), in una porzione della provincia di Benevento dell’estensione di 557 km2 dove
numerose frane a cinematica lenta sono state inventariate sulla base di criteri esclusivamente geomorfologici.
1. Introduzione
La frane a cinematica lenta sono estremamente diffuse sul territorio italiano come, peraltro,
testimoniato dalle oltre 17.500 frane cartografate – a scala 1:25.000 – nel territorio dell’Autorità di
Bacino Nazionale dei fiumi Liri-Garigliano e Volturno (ABN LGV) (Cascini, 2002) e dai circa 32.000
fenomeni inventariati – a scala 1:25.000 – nell’Appennino Emiliano-Romagnolo (Bertolini et al.,
2005). La cartografazione e la caratterizzazione di tali fenomeni franosi rivestono un ruolo
fondamentale nel processo di gestione del rischio da frana (Fell et al., 2008); per tale motivo le carte
inventario dei fenomeni (Progetto IFFI, Carte Inventario delle Autorità di Bacino) necessitano di
controllo e aggiornamento periodico, a diverse scale di riferimento.
Le procedure usualmente adottate, come evidenziato in studi recenti (Guzzetti et al., 2012), continuano
a basarsi essenzialmente su fotointerpretazione e rilievi di campo che, se eseguiti su aree di rilevante
estensione e con adeguata frequenza, possono richiedere costi e tempi difficilmente sostenibili. Con
riferimento ad analisi a scala piccola e media, nell’ambito d’iniziative mirate ad una corretta
pianificazione e gestione del territorio, si sta sempre più diffondendo l’utilizzo di analisi statistiche
multivariate per la valutazione della pericolosità e della suscettibilità da frana (Carrara, 1983; Guzzetti
et al., 1999; van Westen, 2004), anche con riferimento a fenomeni franosi a cinematica lenta (Calvello
et al., 2013). Queste analisi si basano sulla correlazione statistica tra i fattori predisponenti la franosità
(variabili indipendenti) e la distribuzione di frane già esistenti (variabile dipendente) con la finalità di
definire un modello associabile ad un’assegnata zona di interesse ed esportabile ad aree con
caratteristiche fisiche, geologiche e idrologiche simili.
Parallelamente negli ultimi anni la comunità scientifica ha investigato l’impiego di tecniche innovative
di telerilevamento, sia satellitari e sia da aereo (Tofani et al., 2013). A tal riguardo, i dati derivanti
dall’applicazione di tecniche interferometriche multitemporali (Ferretti et al., 2000; Fornaro et al.,
2009; etc.) per la elaborazione di immagini acquisite da radar ad apertura sintetica (DInSAR) hanno
trovato vasta applicazione, grazie anche alla loro diffusione attraverso numerosi progetti a livello sia
nazionale (Piano Straordinario di Telerilevamento, 2010) sia regionale (PODIS_Tellus, 2008), per la
individuazione, la cartografazione ed il monitoraggio di frane a cinematica lenta. Il vantaggio di tali
tecniche è quello di fornire misure di spostamento della superficie topografica con precisione subcentimetrica su aree di rilevante estensione e con costi notevolmente ridotti rispetto alle tecniche
convenzionali.
Nella presente memoria si descrive una procedura innovativa che propone l’uso congiunto di analisi
delle velocità di spostamento al suolo derivate da tecniche DInSAR e di analisi statistiche multivariate
al fine di definire lo stato di attività di frane a cinematica lenta già cartografate in una carta inventario
dei fenomeni franosi.
Incontro Annuale dei Ricercatori di Geotecnica 2014 - IARG 2014
Chieti e Pescara, 14-15-16 luglio
2. La procedura proposta
L’analisi dei dati DInSAR e le analisi statistiche multivariate sono condotte in due fasi come
evidenziato nello schema riportato in Figura 1. In particolare, durante la prima fase l’analisi dei dati
DInSAR e le analisi statistiche multivariate sono condotte separatamente su unità omogenee di
calcolo, TCU (Calvello et al., 2011, 2013), che discretizzano il territorio secondo una griglia regolare
con celle di dimensione 1/1000 della scala di analisi, 25m x 25m nel caso in esame.
Figura 1. Flow chart della procedura adottata
Le analisi dei dati DInSAR consentono di assegnare ad ogni TCU (definita coperta se al suo interno
ricade almeno una misura interferometrica) un valore di velocità media pesata sui valori di coerenza
(Cascini et al., 2013). Tali valori di velocità, confrontati con una soglia di movimento pari a 1,5
mm/anno, consentono di distinguere le TCU in movimento (TCUM) da quelle non in movimento
(TCUNM) all’interno della Mappa di sintesi DInSAR (Fig.1).
Le analisi statiche multivariate condotte su tematismi territoriali significativi e su una carta degli
eventi (i.e. carta inventario dei fenomeni franosi), consentono di discriminare le TCU attive (TCUA)
dalle TCU non attive (TCUNA) indicate nella Mappa di sintesi statistica (Fig.1).
Nella seconda fase le analisi vengono effettuate sulle unità territoriali di zonazione, TZU (Calvello et
al., 2011, 2013), coincidenti in questo studio con le frane quiescenti. In particolare, si definisce
preliminarmente un modello di attività che contempla, per ciascuna TZU, il calcolo del valore assunto
dall’Indice di attività DInSAR (Idar) assunto come il rapporto tra il numero di TCU in movimento
(TCUM) e il numero di TCU coperte (TCUc) per ciascuna TZU:
Idar =
TCU M
* 100
TCU c
I valori dell’indice Idar vengono, quindi, associati a diversi livelli di propensione alla attività: Alta
(A:70 ≤ Idar ≤ 100); Media (M:35 ≤ Idar < 70); Bassa (B: 5 ≤ Idar < 35); Molto bassa (MB: 0 ≤ Idar < 5).
A valle della implementazione del modello di attività i risultati delle analisi dei dati DInSAR sono
combinati con i risultati delle analisi statistiche attraverso il modello di consistenza illustrato in Figura
2a. In particolare, seguendo un approccio di tipo matriciale si combinano le TCU “in movimento/non
in movimento”, derivate dalle analisi dei dati DInSAR, con le TCU “attive/non attive” derivate dalle
analisi statistiche multivariate al fine di individuare le TCU per le quali i due tipi di analisi forniscono
risultati consistenti (i.e. TCU attive e in movimento oppure TCU non attive e non in movimento) e
TCU per le quali i due tipi di analisi forniscono risultati non consistenti (i.e. TCU attive e non in
movimento oppure TCU non attive e in movimento).
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini
Incontro Annuale dei Ricercatori di Geotecnica 2014 - IARG 2014
Chieti e Pescara, 14-15-16 luglio
Figura 2. a) Modello di consistenza., b) modello di confidenza
Con riferimento all’insieme delle TCU consistenti viene successivamente applicato il modello di
confidenza (Figura 2b) che prevede la preliminare definizione di due indici: Im pari al rapporto tra il
numero di TCU attive e in movimento e il numero di TCU in movimento per ciascuna TZU; Inm pari al
rapporto tra il numero di TCU non attive e non in movimento sul numero di TCU non in movimento.
Il modello di confidenza, facendo riferimento ai quattro livelli di propensione all’attività (A, M, B,
MB) individuati nel modello di attività dal valore dell’indice Idar, consente di classificare le TZU per le
quali i risultati delle analisi presentano un’alta (Aac, Mac, Bac, VBac) o bassa confidenza (Abc, Mbc, Bbc,
VBbc) sulla base, rispettivamente, dei valori dell’Indice di movimento (Im) per le TZU con alta e media
propensione all’attività e dell’Indice di non movimento (Inm) per le TZU con bassa e molto bassa
propensione all’attivazione.
3. Risultati
La procedura proposta è stata applicata in un’area di studio (Fig. 3) dell’estensione di 557 km2 che
comprende 21 Comuni della Regione Campania ricadenti nel territorio di competenza dell’Autorità di
Bacino Nazionale dei fiumi Liri-Garigliano e Volturno (AdB-LGV). Nell’area considerata, su di un
totale di 2.180 frane a cinematica lenta che interessano circa il 25% del territorio in esame, la carta
inventario, redatta a scala 1:25.000 nel corso delle attività poste in essere per la redazione del Piano
stralcio per l’Assetto Idrogeologico – Rischio da frana (PsAI-Rf), ne classifica 1630 come quiescenti.
Figura 3. Inventario delle frane a cinematica lenta nell’area di studio (Peduto et. al.,2013)
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini
Incontro Annuale dei Ricercatori di Geotecnica 2014 - IARG 2014
Chieti e Pescara, 14-15-16 luglio
Le analisi statistiche multivariate sono state condotte utilizzando come carta degli eventi le frane a
cinematica lenta attive, riportate nella carta inventario dell’AdB-LGV (2001). Nell’analisi sono state
considerate 8 variabili territoriali: tre categoriche (classificazione sismica, complessi idrogeologici e
complessi litologici) e cinque numeriche (quota, pendenza, esposizione, curvature e distanza dal
reticolo idrografico). I risultati di questa analisi indicano che le variabili che possono considerarsi
statisticamente significative sono: complessi litologici, complessi idrogeologici, pendenza e quota. La
Figura 4a illustra la Mappa di sintesi delle analisi statistiche prodotta con riferimento al campione
delle frane quiescenti: circa il 70% delle TCU totali (154.366) sono quiescenti e circa il 30% sono
attive.
I dati DInSAR utilizzati nel presente studio sono stati elaborati con tecniche PSI (Persistent Scatterer
Interferometry, Ferretti et al., 2001) nell’ambito delle attività del Piano Straordinario di
Telerilevamento (2010) e consistono in: 208 immagini acquisite su orbita ascendente dal sensore ERS
nel periodo settembre 1992 – settembre 2000; 134 immagini ERS su orbita discendente (periodo
novembre 1992 – dicembre 2000). Le analisi dei dati DInSAR (Figura 4b) hanno consentito di
individuare 1.851 TCU coperte di cui il 26% in movimento e il 74% non in movimento. Infine,
l’applicazione del modello di attività (Figura 4c) ha permesso di distinguere nell’area di studio: 78
frane quiescenti con un alta propensione ad attivarsi; 30 con una media propensione; 50 con una bassa
propensione e 180 con una propensione molto bassa.
Come indicato nel flow-chart di Figura 1, i risultati delle analisi dei dati DInSAR e delle analisi
statistiche sono stati combinati attraverso l’applicazione del modello di consistenza che ha consentito
di evidenziare che su 2027 TCU circa il 60% risultano avere informazioni consistenti.
Con riferimento a quest’ultimo campione di TCU si è infine applicato il modello di confidenza di cui
si illustrano i risultati in Figura 4d. In particolare, mostrano un livello di confidenza alto: 31 delle 78
TZU con alta propensione ad attivarsi ; 10 delle 30 TZU con una media propensione ad attivarsi; 42
delle 50 TZU con una bassa propensione ad attivarsi; 127 delle 180 TZU con una propensione molto
bassa ad attivarsi. In sintesi le analisi condotte evidenziano che i risultati ottenuti per le TZU con bassa
e molto bassa propensione ad attivarsi (73%) attingono un livello di confidenza più alto di quelli
relativi alle TZU con media ed alta propensione ad attivarsi (38%).
Una validazione preliminare della procedura è stata effettuata sfruttando la disponibilità di dati
DInSAR derivanti dal processamento di immagini acquisite dal sensore ENVISAT nel periodo 20032010 e, quindi, successivi a quelli impiegati nella definizione dello stato di attività. I risultati del
confronto, ancorché preliminari, hanno evidenziato che il 48% dei fenomeni franosi classificati con
alta o media propensione all’attività nel periodo 1992-2000 risultano avere un’alta o media
propensione all’attività anche nel periodo 2003-2010. Inoltre, nello stesso periodo l’80% dei fenomeni
franosi ha confermato una bassa o molto bassa propensione all’attività.
Considerazioni conclusive
Nell’ambito delle attività finalizzate alla gestione del rischio da frana su aree di rilevante estensione da
condurre a scala media le procedure proposte evidenziano come le elaborazioni di dati DInSAR
corroborate da analisi statistiche multivariate di carte tematiche significative possono fornire un
contributo nella definizione dello stato di attività di fenomeni franosi a cinematica lenta.
Le ricadute applicative delle procedure presentate, nell’eventualità che sia disponibile un dataset
aggiornato di dati satellitari, sono identificabili altresì nella possibilità, ai fini di un aggiornamento
dello stato di attività di fenomeni franosi riportato nelle carte inventario disponibili, di indirizzare i
rilievi di campo. In particolare, essi potranno prioritariamente essere condotti in quelle aree in frana
che sono state confermate nella loro alta/media propensione ad essere attive; successivamente in
quelle aree che non sono risultate confermate nella loro bassa/molto bassa propensione ad essere
attive; infine in quelle aree non confermate nella loro alta/media propensione ad essere attive.
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini
Incontro Annuale dei Ricercatori di Geotecnica 2014 - IARG 2014
Chieti e Pescara, 14-15-16 luglio
Figura 4. a) Mappa di sintesi statistica; b) mappa di sintesi DInSAR; c) mappa della zonazione dello stato di attività; d)
mappa della zonazione dello stato di attività con livelli di confidenza.
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini
Incontro Annuale dei Ricercatori di Geotecnica 2014 - IARG 2014
Chieti e Pescara, 14-15-16 luglio
Ringraziamenti
Gli autori ringraziano sentitamente l’Autorità di Bacino dei fiumi Liri Garigliano e Volturno nella
persona del Dott.ssa Vera Corbelli ed il Ministero dell’Ambiente e della Tutela del Territorio e del
Mare nella persona del Dott. Salvatore Costabile per aver reso disponibili i dati necessari alle analisi.
Bibliografia
Bertolini G., Guida M., Pizzaiolo M. (2005). Landslides in Emilia-Romagna region (Italy): strategies for hazard
assessment and risk management. Landslides, 2, 302-312.
Calvello M., Cascini L., Mastroianni S. (2011). Unità territoriali per l'analisi e la zonazione della franosità a
piccola e media scale. Proc. IARG 2011, Torino.
Calvello M., Cascini L., Mastroianni S. (2013). Landslide zoning over large areas from a sample inventory by
means of scale-dependent terrain units. Geomorphology, 182:33-48. DOI: 10.1016/j.geomorph.2012.10.026.
Carrara A. (1983). A multivariate model for landslide hazard evaluation. Mathematical Geology 15, 403–426.
Cascini L.(2002). La rilevanza del rischio da frana nell’Italia centro-meridionale. XXI Convegno Nazionale di
Geotecnica, L’Aquila pp.127-134.
Cascini L., Fornaro G., Peduto D. (2009). Analysis at medium scale of low-resolution DInSAR data in slowmoving landslide affected areas. ISPRS J. Photogram. Remote Sens., 64, 598–611.
Cascini L., Fornaro G.,Peduto D. (2010). Advanced low- and full-resolution DInSAR map generation for slowmoving landslide analysis at different scales. Engineering Geology, 112(1-4), 29-42.
Cascini L., Peduto D., Pisciotta G., Arena L., Ferlisi S., Fornaro G. (2013). The combination of DInSAR and
facility damage data for the updating of slow-moving landslide inventory maps at medium scale. Nat. Hazards
Earth Syst. Sci., 13, 1527-1549.
Cruden D.M., Varnes D.J. (1996). Landslides Types and Processes. Turner A.K. and Schuster R.L. (eds.),
Landslides: Investigation and Mitigation. Washington D.C, Transportation Research Board, National
Academy of Sciences. Special Report 247, pp. 36-75.
Fell R., Corominas J., Bonnard Ch., Cascini L., Leroi E., Savage W.Z. on behalf of the JTC-1 Joint Technical
Committee on Landslides and Engineered Slopes (2008). Guidelines for landslide susceptibility, hazard and
risk zoning for land use planning. Engineering Geology, 102, 85-98.
Ferretti A., Prati C., Rocca F. (2000). Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in
Differential SAR. Interferometry IEEE Trans. Geosci. Remote Sens., 38(5), 2202-2212.
Fornaro G., Reale D., Serafino F. (2009). Four-dimensional SAR imaging for height estimation and monitoring
of single and double scatterers. IEEE Trans. Geosci. Remote Sens., 47(1), 224–237.
Guzzetti F., Carrara A., Cardinali M., Reichenbach P. (1999). Landslide hazard evaluation: a review of current
techniques and their application in a multi-scale study, Central Italy. Geomorphology 31, 181–216.
Guzzetti F., Mondini A.C., Cardinali M., Fiorucci F., Santangel M., Chang K.-T.(2012). Landslide inventory
maps: New tools for an old problem. Earth-Science Reviews, 112(1–2), 42-66.
Iwahashi, J., Watanabe, S., Furuya, T. (2001). Landform analysis of slope movements using DEM in
Higashikubiki area Japan. Computers and Geosciences 27: 851-865.
Progetto TELLUS (2008). Note tecniche descrittive delle elaborazioni eseguite dal progetto TELLUS del PODIS
PON ATAS 2000-2006 sui dati da interferometria differenziale SAR (PSInSARTM) della Regione Campania.
Unità di Supporto Locale n.6, Direzione Generale Difesa del Suolo del Ministero dell’Ambiente e della Tutela
del Territorio, 79 pp. http://www.difesa.suolo.regione.campania.it/
Peduto D., Cascini L., Arena L., Ferlisi S., Pisciotta G. e Fornaro G. (2013). Uso congiunto dei dati DInSAR e
dei danni al costruito per l’aggiornamento delle carte inventario dei fenomeni franosi a cinematica lenta. Proc.
IARG 2013, Perugia.
Tofani V., Segoni S., Agostini A., Catani F., Casagli N. (2013). Technical Note: Use of remote sensing for
landslide studies in Europe. Nat. Hazards Earth Syst. Sci., 13, 299–309.
Van Westen, C.J. (2004). Geo-information tools for landslide risk assessment. An overview of recent
developments. Landslides: Evaluation and Stabilization. Proc. 9th Int.l Symposium on Landslides, Rio de
Janeiro, Brazil, pp. 39–56.
Livia Arena, Dario Peduto, Michele Calvello, Roberta Anzalone, Leonardo Cascini

Download Report