Document Actions

ijege-11_02-romeo-et-alii.pdf

background image
63
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
DOI: 10.4408/IJEGE.2011-02.O-04
R
obeRto
W. ROMEO
(*)
, M
ilena
MARI
(*)
, M
aRio
FLORIS
(**)
, G
iulio
PAPPAFICO
(*)
& u
MbeRto
GORI
(*)
(*)
University of Urbino - DiGeoTeCA - Campus Scientifico, 61029 Urbino, Italy - Email: rwromeo@uniurb.it
(**)
University of Padua - Department of Geosciences - Padova, Italy
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE
DA FRANA: UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE
SUSCEPTIBILITY: AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
RIASSUNTO
Il lavoro di seguito esposto riguarda lo studio della propensione al
dissesto, definita attraverso la combinazione dei fattori naturali ed an-
tropici che portano ad una suscettività da frana più elevata, e dell’at-
tività (frequenza) dei movimenti gravitativi in una determinata area.
La componente spaziale della suscettività da frana è stata analizzata
considerando quattro fattori predisponenti, selezionati valutando la
disponibilità di banche dati di carattere generale, solitamente disponi-
bili a scala areale: i fattori considerati sono litologia, esposizione dei
versanti, acclività dei versanti e uso del suolo, che, rispettivamente,
sono rappresentativi delle proprietà meccaniche, dell’assetto morfo-
logico, delle condizioni climatiche locali e dell’attività antropica. La
componente temporale della suscettività da frana è stata definita me-
diante l’analisi multitemporale di foto aeree, estesa ad un intervallo
temporale rappresentativo del ciclo climatico che interessa ricorsiva-
mente un bacino (comunemente considerato pari a 30-50 anni). Le
due componenti sono state successivamente combinate insieme per
giungere alla stima della suscettività da frana globale.
T
ermini
chiave
: frana, suscettività, indice di pericolosità, GIS, Italia centrale
INTRODUZIONE
I fenomeni di instabilità dei versanti si verificano a diverse scale
di grandezza, in diversi contesti geologici e morfologici e in differenti
condizioni climatiche. La valutazione del rischio da frana è in genere un
processo logico che coinvolge tre stadi di studio: suscettività, pericolo-
sità e rischio s.s. (e
instein
, 1988), che fondamentalmente sono rispetti-
vamente la risposta agli interrogativi dove, quando e quanto forti (inteso
come quanto dannosi) si verificheranno frane. In ogni caso, la suscetti-
vità definisce il grado di predisposizione di un territorio a franare, con la
conseguenza che molte Amministrazioni locali utilizzano mappe della
suscettività da frana come base per la pianificazione territoriale. Perciò,
una stima (anche se implicita) della frequenza di occorrenza delle frane
è comunque auspicabile nella valutazione della suscettività da frana.
Questa non rappresenta la pericolosità da frana in senso stretto, dato che
formalmente la pericolosità richiede la valutazione di una frequenza di
superamento di una specifica severità di frana (n
atoli
et alii, 1994), ma
una stima della predisposizione dei versanti a franare in un determinato
ABSTRACT
The paper is focused on the assessment of the landslide suscep-
tibility, defined as the combination of the natural and human factors
that make slopes prone to slide, coupled with the observed recur-
rence of landslide reactivations. The susceptibility (i.e., the spatial
component of the landslide hazard) is assessed by taking into ac-
count four causative factors chosen looking at the availability of
general-purpose datasets commonly available at area-scale: they are
lithology, slope aspect, slope gradient and land use, which are repre-
sentative of the mechanical properties, morphological features, local
climatic conditions and human activities, respectively. The temporal
component of the landslide susceptibility is assessed through a mul-
titemporal analysis of aerial photographs, spanning a time interval
representative of the climate cycles which recursively affect a basin
area (typically, 30 to 50 years long). The two components are then
joined to provide an overall estimate of the landslide susceptibility
in terms of a landslide hazard index.
K
ey
words
: landslide, susceptibility, hazard index, GIS, central Italy
INTRODUCTION
Slopes instabilities occur at different scales, in different geo-
logical and morphological environments and under different climatic
conditions. Their assessment is a logical process that involves three
separate but dependant steps: susceptibility, hazard and risk (e
instein
,
1988), which ultimately provide answers to the questions where,
when and how strong (in the sense of how damaging) landslides oc-
cur, respectively. Anyway, the susceptibility is aimed to provide the
overall slopes proneness to undergo failure, with the result that many
local governments use landslide susceptibility maps for the land use
planning, without any regard to their temporal occurrence. Therefore,
an estimate, even though implicit, of how often landslides occur is yet
desirable in the assessment of the landslide susceptibility. This isn’t a
hazard estimate strictly speaking, since formally hazard requires the
assessment of a frequency of exceedance of a given landslide severity
(n
atoli
et alii, 1994), but an estimate of the proneness of slopes to
slide within a timeframe. Therefore, when the word ‘hazard’ is used
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
64
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
in this paper it refers strictly to the probability of a landslide reacti-
vation, otherwise, when referring to the joining between the spatial
and temporal components of the landslide susceptibility, it is more
consistently termed as “hazard index”.
The landslide susceptibility methods are usually divided in quali-
tative and quantitative approaches (a
leotti
& C
howdhuRy
, 1999;
G
uzzetti
et alii, 1999). The former are based on traditional methods,
such as field surveys, geomorphic analyses and aerial photographs
interpretation (C
aRRaRa
& M
eRenda
, 1976; F
enti
et alii, 1979; K
ien
-
holz
, 1978; R
upKe
et alii, 1988, R
eiChenbaCh
et alii, 2005), supported
by GIS techniques (C
aRRaRa
et alii, 1991) to produce thematic maps
(s
tevenson
, 1977). The latter may be divided in two categories: sta-
tistical and deterministic metods. While statistical methods work well
for regional studies, deterministic methods are more efficient for de-
tailed studies on a local scale (G
oKCeoGlu
& a
Ksoy
, 1996), and that’s
why statistical methods have recently reached a great popularity,
with approaches ranging from univariate analyses (K
inGsbuRy
et alii,
1992; l
ee
& M
in
, 2001) to multi-variate analyses (C
aRRaRa
, 1983;
C
aRRaRa
et alii, 1991; G
oRsevsKi
et alii, 2000; l
ee
et alii, 2002; s
an
-
taCana
et alii, 2003; C
hen
& w
anG
, 2007).
The paper shows an approach for the landslide susceptibility as-
sessment which incorporates also the frequency of landslides reacti-
vation; it follows, even if conceptually precedes, another work where
the authors faced the problem of estimating the overall landslide haz-
ard and risk (R
oMeo
et alii, 2006).
METHODOLOGY
The landslide susceptibility is a mix of prone-factors affecting
the stability of slopes whose provides useful information about the
possible location of future landslides, thus allowing for a rational
land-use planning and development. At this purpose, a study was
carried out in a training area (Fig. 1) located in the Northern sector of
the Marche Region (central Italy). The susceptibility has been split
into two components, the spatial and temporal ones, which finally
converge for the assessment of the landslide susceptibility as a whole
which has been termed as hazard index (Fig. 2).
The spatial component is assessed through a weighed summa-
tion of causative factors, while the temporal component is assessed
via a multitemporal analysis of landslide reactivations carried out by
an aerial photographs survey. Both the components are indexed in a
conventional scale ranging from 0 (least influence) to 100 (most influ-
ence), so that they can be coupled homogeneously.
The choice of the causative factors is subjected to the fulfilment
of the fundamental requisite to cover the entire area, since discon-
tinuous data would compromise the analyses leading to biases or
misinterpretations of the correlations between each factor and the
investigated phenomena.
intervallo di tempo. In questo senso la parola “pericolosità” (abbrev.
di “indice di pericolosità”) viene usata per intendere l’unione della su-
scettività spaziale e temporale da frana, al fine di evitare la confusione
derivante dall’uso di molteplici aggettivi della suscettività la quale, con-
venzionalmente, si riferisce alla sola componente spaziale.
I metodi applicati ai fini dell’analisi della suscettività da frana sono
generalmente distinti in approcci qualitativi e quantitativi (a
leotti
&
C
howdhuRy
, 1999; G
uzzetti
et alii, 1999). I primi sono generalmente
basati su tecniche tradizionali, come rilevamento di campagna, ana-
lisi geomorfologica e analisi delle foto aeree (C
aRRaRa
& M
eRenda
,
1976; F
enti
et alii, 1979; K
ienholz
, 1978; R
upKe
et alii, 1988, R
ei
-
ChenbaCh
et alii, 2005), supportati anche da tecniche GIS (C
aRRaRa
et
alii, 1991) per produrre carte tematiche (s
tevenson
, 1977). I secondi
possono essere distinti in due categorie: i metodi statistici ed i metodi
deterministici. Mentre gli approcci statistici si prestano bene per studi
a carattere regionale, i metodi deterministici risultano più efficaci per
studi puntuali, a scala locale (G
oKCeoGlu
& a
Ksoy
, 1996) e questo ha
fatto si che gli approcci statistici abbiano raggiunto nel passato recente
una maggiore diffusione ed utilizzo, spaziando da analisi univariate
(K
inGsbuRy
et alii, 1992; l
ee
& M
in
, 2001) to multi-variate analyses
(C
aRRaRa
, 1983; C
aRRaRa
et alii, 1991; G
oRsevsKi
et alii, 2000; l
ee
et
alii, 2002; s
antaCana
et alii, 2003; C
hen
& w
anG
, 2007).
Nel presente lavoro viene illustrato un approccio per valutare la
predisposizione dei versanti a franare che include anche informazioni
derivate dall’osservazione della frequenza di occorrenza delle frane.
Questo lavoro segue, anche se concettualmente precede, un’altra pub-
blicazione in cui gli autori hanno affrontato il problema della stima
della pericolosità e del rischio da frana (R
oMeo
et alii, 2006).
METODOLOGIA
La suscettività da frana deriva dalla somma di vari fattori predi-
sponenti che minacciano la stabilità dei pendii ed è evidente che la
conoscenza delle loro interazioni può fornire importanti informazioni
sulla possibile ubicazione di future frane, consentendo così una pia-
nificazione razionale ed uno sviluppo del territorio. A questo scopo,
è stato condotto uno studio su una zona campione (Fig. 1) collocata
nel settore settentrionale della Regione Marche (Italia centrale). La
suscettività è stata divisa in due componenti, una relativa alla valuta-
zione della componente spaziale e la seconda relativa alla valutazione
della componente temporale, che alla fine convergono nella valuta-
zione della suscettività da frana complessiva (Fig. 2).
La componente spaziale è valutata attraverso la somma pesata di
fattori predisponenti, mentre la componente temporale è valutata me-
diante l’analisi multitemporale di fotografie aeree e mediante la suc-
cessiva definizione dei tempi di ritorno medi delle riattivazioni delle
frane. Entrambe le componenti sono state indicizzate in una scala con-
venzionale che va da 0 (influenza minore) a 100 (massima influenza),
per fare si che possano essere combinate in modo omogeneo.
La scelta dei fattori predisponenti è subordinata al soddisfacimento
del requisito essenziale di coprire l’intera area, in quanto dati discon-
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
65
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
tinui comprometterebbero l’analisi portando a distorsioni o interpreta-
zioni errate delle correlazioni tra ciascun fattore ed i fenomeni indagati.
In Italia, ogni Amministrazione locale possiede diverse banche
dati territoriali, a scale diverse e per scopi diversi (Tab. 1). Tra queste
solo tre banche dati, che fanno riferimento a progetti nazionali co-
In Italy, each local government has different territorial databases,
at different scales and for different purposes (Tab. 1). Among them
only three databases, referring to codified national projects, have
been realized with homogeneous standards: the digital terrain model,
the geological map and the land use map. Despite their intrinsic limi-
Fig. 1 - Schema geologico del settore settentrionale della Regione Marche ed ubicazione dell’area di studio (rettangolo etichettato come Urbino). Leggenda delle
unità geologiche: 1) Calcari, calcari marnosi, marne e selci (dal Calcare Massiccio alla Formazione dello Schlier, in successione discontinua dal Lias al Mio-
cene), 2) Arenarie, peliti ed evaporiti (dalla Formazione Marnoso-Arenacea alla Formazione a Colombacci, Miocene), 3) Complesso delle argille caotiche
della Valle del Marecchia (da Cretaceo inferiore a Eocene), 4) Depositi argillosi, sabbiosi e ghiaiosi (Plio-Pleistocene). (adattato da a
ntonini
et alii, 1993)
- Geological sketch of the northern sector of the Marche Region and location of the sample study-area (rectangle labelled as Urbino). Legend of the geo-
logical units: 1) Limestones, marly limestones, marlstones and cherts (Calcare Massiccio to Schlier formations, spanning discontinuously from Lias to
Miocene); 2) Sandstones, pelites and evaporites (Marnoso-Arenacea to Colombacci formations, Miocene); 3) Chaotic complex clays of the Marecchia
Valley (Lower Cretaceous to Eocene); 4) Clayey, sandy and gravelly deposits (Plio-Pleistocene). (adapted from A
ntonini
et alii, 1993)
Fig. 2 - Diagramma di flusso che il-
lustra la metodologia appli-
cata per la valutazione della
suscettività spaziale (in alto)
e temporale (in basso) da fra-
na e per combinarle nell’in-
dice di pericolosità da frana
- Flow-chart of the method-
ology applied to evaluate
spatial (top) and temporal
(bottom) landslide suscepti-
bility and to join them into a
landslide hazard index
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
66
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
dificati, sono state realizzate seguendo criteri omogenei: il modello
digitale del terreno, la carta geologica e la carta dell’uso del suolo.
Nonostante il loro numero limitato, queste banche dati sono sufficien-
ti per tenere conto di:
1) proprietà fisiche dei terreni (litologia, derivata dalla carta geologica);
2) caratteristiche morfologiche (pendenza, derivata da DTM) in re-
lazione alle proprietà meccaniche dei terreni (cioè angolo di ripo-
so) e ai processi tettonici (ossia energia del rilievo);
3) condizioni climatiche (pendenza ed esposizione, derivate da
DTM), intesa come umidità dei terreni (ossia, variazione del con-
tenuto d’acqua a causa dell’esposizione al sole);
4) attività antropiche (uso del suolo, derivato dalla carta omonima),
che in ultima analisi, rappresentano i fattori fondamentali che in-
fluenzano il paesaggio.
Ogni fattore è stato suddiviso in categorie di attributi (dati alfanu-
merici) o in classi di valori (dati numerici) al fine di descrivere corret-
tamente la sua variabilità. Per quanto riguarda la variabile dipendente
(cioè, le frane) è stato scelto un inventario delle frane derivato anche
in questo caso da un progetto nazionale (IFFI project, ISPRA 2007)
la cui banca dati è disponibile anche su scala regionale (Tab. 1). Per-
tanto, tutte le banche dati utilizzate in questo studio sono comuni a
tutte le Amministrazioni regionali italiane e sono state realizzate con
procedure standardizzate e alla stessa scala, consentendo così l’appli-
cazione della presente metodologia su tutto il Paese.
ANALISI DELLA SUSCETTIVITÀ
La correlazione tra fattori predisponenti e frane è stata calcolata se-
condo l’indice di suscettività da frana (LSI), istituito da l
ee
& M
in
,
2001. LSI è calcolato sommando i valori assegnati, per ciascuna classe
o categoria di ogni fattore, attraverso il rapporto tra il numero di celle
che corrispondono ad aree in cui si sono verificate frane ed il numero di
celle in cui le frane non si sono verificate. Il vantaggio di questo metodo
consiste nel fornire una misura immediata del ruolo svolto da ciascun
tations, they are suitable to account for:
1) soils’ physical properties, related to the lithological features ex-
tracted from the geological map;
2) morphological features, as inferred from the slope gradient deri-
ved from the DTM, and related to the soils’ mechanical properties
(i.e., angle of repose) and to the tectonic processes (i.e., energy
relief);
3) climatic conditions, as inferred from the slope aspect (from
DTM), such as the soils’ humidity (i.e., the change in water con-
tent due to sun exposure);
4) human activities, as inferred from the land use.
These simple factors, although numerically limited, represent the
fundamental causes influencing the landform.
Each factor has been divided into categories of attributes (cat-
egorical data) or classes of values (numerical data) which encom-
pass the whole variability of that factor. The dependent variable
‘landslide’ is derived from a landslides inventory at national scale
(IFFI project, ISPRA 2007), whose database is also available at
regional scale (Tab. 1). Since we used databases available at na-
tional scale, homogeneously compiled, and at the same map scale
(1:10,000), the present methodology may be applied all around the
country without any exception.
SUSCEPTIBILITY ANALYSIS
The correlation between prone-factors and landslides has been
computed according to the landslide susceptibility index (LSI) pro-
posed by l
ee
& M
in
, 2001. The LSI is calculated summing the ratings
given by the ratio of the number of cells where landslides occurred
to the number of cells where landslides didn’t occur for each class or
category of a causative factor. The advantage of this method consists
in providing an immediate measure of the role played by each factor
Tab. 1 - Fonti dei dati, scala, formato dei dati ed infor-
mazioni derivate per l’analisi di suscettività
- Data sources, scales, data formats and derived
information for the susceptibility analysis
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
67
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
fattore e dalle relative classi o categorie sulla distribuzione delle frane.
Di fatto, un valore pari all’unità viene interpretato come una condizione
di stato-limite, cioè la stessa percentuale di celle consente di determinare
la stabilità o l’instabilità. Di conseguenza, valori maggiori di 1 significa-
no propensione a franare, come è vero il contrario per valori inferiori a 1.
Anche il tempo può essere visto come una ulteriore variabile per
la determinazione della predisposizione dei versanti a franare. Tutte
le frane accertate nell’area in studio sono state esaminate per diversi
intervalli di tempo, stabiliti in base alla disponibilità di rilievi fotogra-
fici aerei; la frequenza di riattivazione delle frane è data dal numero
di riattivazioni nel periodo di tempo coperto dalle fotografie aeree.
La propensione a franare dipende da quanto un determinato fattore
pesa nel determinare una situazione di instabilità rispetto agli altri. Allo
stesso modo, dato un certo fattore, la suscettività dipende da quanto
una classe di valori o una categoria di attributi pesa rispetto alle altre.
Il metodo adottato, anche se semplificato rispetto ad altri approcci
simili (a
nabalGan
, 1992; C
aRRaRa
et alii, 1999; R
oth
, 1983), assi-
cura una condizione di linearità tra le variabili, che consente l’ap-
plicazione del principio di sovrapposizione, una condizione implici-
tamente assunta in numerosi metodi di suscettività, ma non sempre
garantita. Inoltre, poiché il metodo si basa su un insieme di relazioni
tra fattori ed effetto (ad esempio, quanto è diffuso ogni fattore nelle
aree in frana osservate), esso può essere ascritto alla categoria dei
metodi diretti, cioè quelli basati su osservazioni dirette.
L’indice di franosità di una classe o categoria di un certo fattore
deriva dal rapporto tra due parametri a e b (l
ee
& M
in
, 2001). Questi
sono dati dal numero relativo (o percentuale) di celle, rispettivamen-
te, delle aree in frana e non in frana rispetto al totale relativo. In termi-
ni funzionali, sia N{ F } il numero totale di pixel delle aree in frana e
N{f
i
} il numero dei pixel che ricadono nelle aree in frana per la classe
o categoria i-esima del fattore in esame. Definiamo il parametro ai
della classe o categoria i-esima come il rapporto:
e analogamente, definiamo con b
i
il rapporto delle celle delle aree non
in frana della classe o categoria i-esima, N{s
i
}, rispetto al totale delle
celle delle aree non in frana, N{S}:
Dalle definizioni date discendono le seguenti proprietà:
[N{f
i
} + N{s
i
}] x 100 m
2
= A
i
(areale di affioramento della classe o
categoria i-esima)
[N{F} + N{S}] x 100 m
2
= A
tot
(area totale)
Σ
i
a
i
= Σ
i
b
i
= 1 (or 100%)
Viene quindi definito indice di franosità il rapporto:
and related classes or categories on the landslides susceptibility. In
fact, a rating equal to unity is interpreted as a limit-state condition,
that is, the same percentage of cells concurs to determine stability or
instability. Consequently, a rating above 1 means landslide proneness
and the reverse is true for a rating below unity.
The time is a further variable determining the proneness of slopes
to slide. In fact, for the same combination of spatial causative factors,
those slopes having landslides with a greater frequency of reactiva-
tion can be prone to slide in a shorter time than those where the fre-
quency of reactivation is lower. The frequency is given by the number
of landslide reactivations in the time interval covered by the available
aerial photograph surveys.
The implemented method, even if simplified in comparison to
other similar approaches (a
nabalGan
, 1992; C
aRRaRa
et alii, 1999;
R
oth
, 1983), assures a condition of linearity among the variables,
which allows the application of the principle of superposition, a con-
dition implicitly assumed in many susceptibility methods but not al-
ways assured. Moreover, since it is based on a set of relationships
among factors and effect (e.g., how much each factor is represented
in the observed landslides), it can be ascribed to the category of direct
methods, that means those methods based on direct observation.
The landslide index of a class or category of a given factor
arises from the ratio between two parameters a and b (l
ee
& M
in
,
2001). They are the relative number (or percentage) of cells, re-
spectively, of the landslide area and not landslide area in compari-
son to the respective total. In functional terms, if N{F} is the total
number of cells of the landslide area and N{f
i
} is the number of
cells of the landslide area belonging to the i-th class or category of
an examined factor, ai is:
and likewise we define as b
i
the ratio between the number of cells of
not landslide area in the same i-th class or category, N{s
i
}, and the
total cells of not landslide area, N{S}, that is:
From the given definitions the following properties arise:
[N{f
i
} + N{s
i
}] x 100 m
2
= A
i
(outcrop area of the i-th class or cat-
egory)
[N{F} + N{S}] x 100 m
2
= A
tot
(total area)
Σ
i
a
i
= Σ
i
b
i
= 1 (or 100%)
Therefore the landsliding index is defined as the ratio:
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
68
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
ossia il rapporto, per ciascuna classe o categoria i-esima, della frazio-
ne dei pixel in frana rispetto a quelli non in frana, ciascuna normaliz-
zata rispetto al relativo totale. IF
i
rappresenta la proporzione relativa
delle celle della classe o categoria i-esima che contribuiscono all’in-
stabilità rispetto a quelle che non contribuiscono.
In tale modo, se pure una classe o categoria fosse caratterizzata da
un modesto valore di a per via della ridotta presenza di quella classe o
categoria, ma, analogamente, avesse un altrettanto o inferiore valore di
b, l’indice di franosità risulterebbe certamente più elevato di una classe
o categoria per cui si realizzasse la condizione opposta. Al crescere per-
tanto dell’indice di franosità, aumenta l’incidenza sulla predisposizione
all’instabilità, anche a fronte di una modesta presenza sul territorio.
La condizione di stato limite per la quale si ha un comportamen-
to invariante rispetto alla predisposizione di un versante a franare è
costituita dal valore IF = 1. Per tale valore sia ha il classico problema
statistico del lancio della moneta: ossia, c’è un’eguale probabilità che
la classe o categoria in esame concorra o non concorra all’instabilità.
IF >1 indica una predisposizione maggiore all’instabilità che alla sta-
bilità e viceversa per IF <1.
Poiché IF può assume ogni valore compreso tra 0 e ∞, l’indice
di franosità di ciascun fattore j-esimo è stato espresso in una scala
normalizzata compresa tra 0, nessuna predisposizione, e 100, massi-
ma predisposizione; a questo indice normalizzato è stato conferito il
nome di indice di franosità relativo:
La convenienza di tale normalizzazione consiste nella possi-
bilità di pesare il contributo tra classi o categorie appartenenti a
fattori con diversi intervalli di IF. A titolo di esempio, la Tabella 2
mostra il calcolo di IF e IF
rel
per le categorie nelle quali il fattore
litologia è stato suddiviso.
Successivamente, dalla somma pesata degli indici di franosità
relativi di ogni fattore (litologia, pendenza, esposizione ed uso del
suolo) è stato ottenuto un indice di franosità totale (F
tot
).
Il peso w
j
attribuito a ciascun fattore j-esimo, è calcolato sulla
base del valore più basso dell’indice di franosità relativo al di sopra
del quale ricade almeno il 50% della superficie totale delle aree in
frana, denominato indice di franosità minimo (IF
min,j
):
Or, in other words, the ratio between landslide cells and not land-
slide cells, for each i-th class or category, normalized to the respective
total. IF
i
represents the relative proportion of cells of the i-th class or
category contributing to landsliding respect to those don’t.
In such a way, even if a class or category were characterized by a
small a-value owing to a poor presence of that class or category, but
similarly it had an equal or lower value of b, the landsliding index
would certainly result greater than a class or category for which the
reverse were true. As the landsliding index increases, the influence of
that class or category on the instability proneness also increases, even
if its extent on the territory were small.
The value IF=1 represents the limit state condition for which an
invariant behaviour of that class or category is observed on the de-
termination of a landslide proneness (it is equivalent to tossing the
coin!). Values greater than one mean a greater likelihood to give in-
stabilities, and vice versa for IF<1.
Since IF may assume any value between 0 and ∞, a relative land-
∞, a relative land-
, a relative land-
sliding index IF
rel
for each j-th factor is defined in a normalized scale
from 0 (no proneness) to 100 (maximum proneness), through the fol-
lowing equation:
The convenience of such a normalisation consists in the possibil-
ity to weigh the contribution among classes or categories belonging
to factors with different ranges of IF-values. As an example, Table 2
shows the computation of IF and IF
rel
for the categories into which the
factor lithology has been subdivided.
Then, a total landsliding index (IF
tot
) has been gotten by the
weighed sum of the relative landsliding indexes of every factor
(lithology, slope, aspect and land use). The weight w
j
assigned to
each factor, is computed on the basis of the lowest value of the
relative landsliding index above which at least 50% of the whole
landslide area is included, and this index has been named minimum
landsliding index
(IF
min,j
):
Tab. 2 - Esempio di calcolo dell’indice di frano-
sità relativo (IF
rel
) per il fattore di Litolo-
gia
- Calculation example of the relative
landsliding index (IF
rel
) for the factor
Lithology
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
69
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
L’IF
tot
esprime, in una scala normalizzata da 0 a 100, la propen-
sione al dissesto, nel senso che al crescere di IF
tot
cresce la suscettività
al franamento.
Come per ogni indice, risulta tuttavia utile definire un valore di
soglia che rappresenti la condizione di stato limite del fenomeno de-
scritto dall’indice medesimo. Analogamente al calcolo del peso rela-
tivo di ciascun fattore, è stato calcolato il valore più basso dell’indice
di franosità totale al di sopra del quale è ricompreso almeno il 50%
delle superfici delle aree in frana. Questo indice, denominato IF
min
, è
rappresentativo di una combinazione di fattori di predisposizione al
dissesto comune almeno alla metà delle aree in frana esistenti.
Analogamente alla suscettività spaziale, la suscettività temporale
è stata calcolata attraverso l’osservazione diretta delle riattivazioni di
frana mediante l’analisi multitemporale di foto aeree (z
anutta
et alii,
2006) che coprono un intervallo di tempo sufficientemente lungo per
ricostruire l’evoluzione della frana (almeno due riattivazioni succes-
sive indipendenti: Tab. 3).
Per consentire la combinazione dei dati di suscettività temporale
con quelli della suscettività spaziale, i tempi di ritorno medi delle ri-
attivazioni di frana sono stati classificati in analogia all’indice di fra-
nosità relativo (qui denominato IF
time
, per evitare confusione con gli
altri indici: Tab. 4) distribuito virtualmente da 0 (il tempo di ritorno
tende all’infinito, ad esempio per pendii stabili) ma in realtà da 20 (il
più lungo periodo di ritorno osservato) a 100 (il più breve periodo di
ritorno osservato). Naturalmente, nell’analisi effettuata la suscettività
temporale si riferisce solo a frane realmente avvenute, essendo deri-
vata dall’osservazione diretta di riattivazioni di frana in un intervallo
di tempo significativo.
Infine, è stato definito un indice di suscettività globale mediante le due
IF
tot
represents, in a normalized scale from 0 to 100, the prone-
ness to slide, namely, as IF
tot
increases the landslide susceptibility
also increases.
Like every index, it results useful to define a threshold value
that represents the limit state condition above which a performance
requirement is no longer met. Likewise to the procedure outlined
above, the lowest value of the total landsliding index above which at
least 50% of the landslide area is included, has been computed. This
index, labelled as IF
50
, represents a combination of causative factors
common to at least half of the landslide areas.
As for the spatial susceptibility, the temporal susceptibility has
been computed through the direct observation of landslide reacti-
vations by means of a multitemporal analysis of aerial photographs
(z
anutta
et alii, 2006) spanning a time interval long enough to
capture the landslide cycle (at least two successive independent
reactivations, Tab. 3).
To allow the temporal susceptibility being joined with the spatial
susceptibility, the mean return periods of landslide reactivations have
been ranked according to a relative landsliding index (here referred to
IF
time
, Tab. 4) distributed virtually from 0 (the return period tends to
infinity, e.g. stable slopes) but really from 20 (the longest observed re-
turn period) to 100 (the shortest observed return period). Of course, in
our analysis the temporal occurrence refers only to actual landslides,
being it derived from the direct observation of landslide reactivations
in a meaningful time interval.
Finally, an overall susceptibility index is derived from a two-
stage analysis where the spatial susceptibility index is first computed
and then combined with the temporal susceptibility index with a rela-
tive weight equal to those of the spatial causative factors in order to
Tab. 3 - Esempio di dati ricavati dall’analisi multitemporale di foto aeree, integrata da cronache e comunicati stampa. R=riattivato, I=nessuna evidenza di riattiva-
zione, N=frana di prima generazione
- Example of data derived from the multitemporal analysis of aerial photographs, supplemented with chronicles and press information. R=reactivated, I=no
evidence of reactivation, N=first-time generated landslide
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
70
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
fasi di analisi, dove l’indice di suscettività spaziale viene prima calcolato e
poi combinato con l’indice di suscettività temporale con un peso relativo
pari a quello dei fattori predisponenti spaziali, al fine di non sopravvaluta-
re l’influenza delle frane esistenti rispetto alle zone non ancora interessate.
APPLICAZIONE
Il territorio della Regione Marche può essere diviso in tre fasce,
allungate in direzione NW-SE parallelamente alla linea di costa, che
possono essere definite come zona di pianura, zona collinare e zona
montana, procedendo da est a ovest.
L’area campione di Urbino si trova nel settore settentrionale della
Regione Marche (Italia centrale) e copre un territorio di circa 37 km
2
corrispondente ad un intero foglio di mappa (denominato #279080)
della carta tecnica regionale in scala 1:10.000. L’area appartiene alla
fascia collinare ed è caratterizzata da estesi affioramenti della Forma-
zione Marnoso-Arenacea (oltre il 70% del territorio), costituita dall’al-
ternanza di strati marnosi ed arenaci; questa Formazione rappresen-
ta l’unità più recente (Burdigaliano-Tortoniano) tra quelle affioranti
nell’area, mentre la più antica (Scaglia Cinerea) risale all’Oligocene.
Dal punto di vista litologico, l’area è caratterizzata dalla preva-
lenza di arenarie (oltre il 50%) e, subordinatamente, da litofacies
arenaceo-pelitiche e marnose (Fig. 3a).
Dal punto di vista morfologico il territorio è caratterizzato da una
serie di rilievi, separati ed incisi da numerosi corsi d’acqua. L’assenza
di elementi morfologici dominanti è dimostrata dalla buona distribu-
zione delle classi di esposizione dei versanti (Fig. 3b).
Al contrario, tra le classi di pendenza domina quella più piatta:
quasi il 50% del territorio rientra nella classe tra 10° e 20° e meno del
20% ricade nella classe con acclività maggiore a 30° (Fig. 3c). Ciò è
dovuto alla natura litologica ed alle proprietà meccaniche delle for-
mazioni affioranti, che sono soggette a degradazione intensa e a feno-
meni atmosferici che non permettono la formazione di pendii ripidi.
Per quanto riguarda l’utilizzo del suolo, la destinazione d’uso
prevalente è data dalle aree a semina (oltre il 40%), mentre circa ¼
del territorio risulta coperto da boschi e circa il 20% è destinato a
pascolo o ad area incolta (Fig. 3d).
La frazione del territorio interessata da interventi ed insediamenti
antropici corrisponde al 10% dell’intera superficie.
Nel contesto morfologico e litologico dell’area di studio, gli
don’t overemphasize the influence of existing landslides respect to
the areas not yet affected.
APPLICATION
The territory of the Marche Region may be divided into three
strips, elongated NW-SE parallel to the coastline and referred to as
lowland, hilly and mountainous areas, proceeding from east to west.
The Urbino training area is located in the northern part of the
Marche Region (central Italy) and covers a territory of about 37 km
2
corresponding to a complete map sheet of the regional technical map
at scale 1:10,000. It belongs to the hilly strip and it is characterised by
the wide outcrop of the Marnoso-Arenacea Formation (over 70% of
the territory) made by sequences of marly and arenaceous beddings; it
represents the most recent unit (Burdigalian-Tortonian) outcropping
in the area, whereas the oldest one (Scaglia Cinerea) dates back to
the Oligocene.
From the lithological point of view, the area is characterized by
the prevalence of sandstone (over 50%) and, subordinately, by shale
and marls (Fig. 3a).
Morphologically, the territory is characterised by a series of
ridges, separated and dissected by numerous streams. The absence of
dominating morphological features is verified by the well distributed
classes of slopes aspect (Fig. 3b).
On the contrary, the slope gradient is dominated by the flattest
classes: almost 50% of the territory lies in the slope class 10°÷20° and
less than 20% above 30° (Fig. 3c). This is due to the lithological na-
ture and mechanical properties of the outcropping formations, which
are subjected to intense degradation and weathering phenomena that
don’t allow the formation of steep slopes.
The prevalent destination of the land use is arable lands (over
40%), while about ¼ of the territory is covered by forests and about
20% is exploited to pasture or to waste land (Fig. 3d). The pro-
portion of the territory given by buid-up areas is about 10% of the
whole area.
In the morphological and lithological context of the studied area,
Tab. 4 - Classi di pericolosità temporale e
relativo indice di franosità asso-
ciato (IF
time
)
- Classes of temporal hazard and
the associated relative landslid-
ing index (IF
time
)
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
71
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
scivolamenti rotazionali costituiscono il tipo di frana più diffuso, la
maggior parte dei quali evolve in fenomeni di colamento al piede
della frana (Fig. 4).
rotational slumps are the most diffused landslide type, most of them
evolving as flows at the landslide toe (Fig. 4).
The methodology presented in this study is improved by the
Fig. 3 - I grafici a torta illustrano le distribuzioni delle categorie litologiche (A), delle classi di esposizione dei versanti (B), e della pendenza dei versanti (C) e delle
categorie di uso del suolo (D)
- Pie charts showing the distributions of lithological categories (A), slope aspect (B) and slope gradient (C) classes, and land use categories (D)
Fig. 4 - Carta inventario delle frane classifi-
cate sulla base del loro cinematismo
- Landslides inventory map classi-
fied on the basis of their kinematics
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
72
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
La metodologia presentata in questo studio è migliorata dalle po-
tenzialità delle tecniche GIS di estrarre, analizzare e gestire grandi
quantità di dati georeferenziati.
In primo luogo, è stato costruito un database geografico contenen-
te i dati vettoriali che rappresentano poligoni, linee e punti. Successi-
vamente, i dati vettoriali sono stati convertiti in formato raster al fine
di analizzarli secondo una griglia di celle con dimensione 10x10 m,
rispettando la risoluzione minima consentita dai dati di input (le carte
tematiche elencate nella Tab. 1). Così, per ogni fattore, è stata prodotta
una mappa raster di circa 370.000 celle, il cui database contiene le
informazioni utili riguardanti i valori della classe o gli attributi della
categoria nei quali è stato suddiviso lo stesso fattore. Successivamen-
te, dalla mappa raster dell’inventario delle frane sono state estratte
solamente le celle relative alle aree in frana e sovrapposte alle mappe
raster di ciascun fattore al fine di attribuire loro la classe o categoria
appropriata. Naturalmente, in accordo alla metodologia descritta, la
stessa operazione è stata fatta per le celle esterne ai perimetri delle
aree in frana. I rispettivi dati sono stati quindi archiviati in un database
GIS ed i relativi valori o attributi di ogni cella appartenenti alle due
serie di dati (interne ed esterne ai limiti della frana) sono stati esportati
da formato raster a formato tabella per eseguire il calcolo di tutti gli
indici e coefficienti sopra descritti. Utilizzando le funzioni algebriche
disponibili nello strumento raster calculator, è stata calcolata la som-
ma pesata degli indici IF
rel,j
per ottenere l’indice finale IF
tot
.
Le carte in formato raster prodotte per rappresentare la suscetti-
vità da frana per l’area di studio (mappe degli IF
rel,j
e mappa di IF
tot
),
sono mostrate in Fig. 5.
Osservando la distribuzione interna delle singole classi o cate-
gorie in cui ciascun fattore è stato suddiviso, si può anche stabilire
l’influenza relativa esercitata da ogni classe o categoria nel determi-
nare l’indice relativo IF
rel
(Fig. 6), consentendo così di intervenire su
quelle che più influenzano la propensione al dissesto per mitigare con
capabilities of GIS technology to extract, analyse, and handle large
amount of geographically referenced data.
Firstly, a geo-database was built containing vector data rep-
resenting polygons, lines and points. Then, vector data were con-
verted in raster formats in order to analyse them as a grid of cells
10mx10m wide, according to the minimum resolution of the the-
matic maps (see Table 1). Thus, for each factor a raster map of ap-
proximately 370,000 cells was produced, whose database contains
the appropriate information regarding the class or category into
which the factor was divided. Successively, from the raster map of
the landslides inventory the cells relative to landslide areas alone
were extracted and overlapped to the raster maps of each factor to
attribute them the appropriate class or category. Of course, accord-
ing to the described methodology, the same operation was made
for those cells outside the landslide boundaries. The relating data
files were then stored into the GIS database and the related values
or attributes of each cell belonging to the two datasets (inside and
outside the landslide boundaries) were exported from raster to ta-
ble format to perform the computation of all the indexes and ratios
described above. Using algebraic functions provided by the raster
calculator
tool, the weighed sum of the IF
rel,j
indexes was computed
to obtain the final IF
tot
index.
The raster maps produced to display the landslide susceptibility
(IF
rel,j
maps through IF
tot
map), are shown in Fig. 5 for the studied area.
Looking at inside the distribution of the individual classes or cat-
egories into which each factor has been divided, one can infer the
relative influence exerted by each class or category in determining the
IF
rel
index (Fig. 6), thus highlighting the most influencing factors that
deserve to be reduced in order to mitigate the landslide susceptibility.
Intersecting the F
tot
map with the landslide inventory map the in-
dex IF
50
is computed, which represents the lowest F
tot
value above
which at least 50% of the landslide areas are included.
Fig. 5 - Carte dell’Indice di frano-
sità relativo (a sinistra) e
carta della suscettività (a
destra) derivata dalla som-
ma pesata degli indici IF
rel
- Relative landsliding index
maps (IF
rel
, left) and sus-
ceptibility map (IF
tot
, right)
based on a weighed sum-
mation of the IF
rel
indexes
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
73
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
The outcome is a two-levels map (Fig. 7) representing the thresh-
old above which there is a higher likelihood that a landslide may oc-
cur in the future. Such an image is easier to be read and interpreted
than a continuous colour-scale map such as F
tot
. The IF
50
has also a
probabilistic meaning (Tab. 5). In the area where F
tot
>IF
50
there is 1
out 2 chance to have a landslide, while in the area where F
tot
<IF
50
the
chance reduces to 1 out 3.
The last step is the combination of the spatial and temporal com-
ponents: joining the F
tot
map with the IF
time
map the final Landslide
hazard map is provided (Fig. 8), which is to be interpreted as the rela-
tive likelihood (on an annual basis) of a new landslide to occur (areas
outside boundaries of existing landslides) or of a landslide reactiva-
tion (areas inside boundaries of existing landslides).
efficacia il pericolo.
Intersecando la mappa IF
tot
con la carta inventario delle frane è sta-
to calcolato l’ultimo indice IF
50
, che rappresenta il valore più basso di
F
tot
al di sopra del quale è compreso almeno il 50% delle aree di frana.
Il risultato è una carta a due colori (Fig. 7) che rappresenta la
soglia oltre la quale c’è una maggiore probabilità che una frana si ve-
rifichi in futuro. Tale grafica rende più immediata la lettura e l’inter-
pretazione delle aree con propensione a franare rispetto ad una mappa
in gradazione continua di colore come F
tot
.
L’indice IF
50
ha anche un significato probabilistico (Tab. 5): nelle
aree in cui F
tot
>IF
50
vi è 1 possibilità su 2 di avere una frana, mentre
nelle aree in cui F
tot
<IF
50
la possibilità si riduce a 1 su 3.
L’ultima fase di lavoro consiste nella combinazione della pericolo-
sità spaziale e di quella temporale: unendo la carta F
tot
con la carta IF
time
si ottiene la carta finale della Pericolosità da Frana (Fig. 8), che deve
essere intesa come la probabilità relativa (su base annua) che si verifi-
chi una nuova frana (aree al di fuori dei limiti delle frane esistenti) o che
si riattivi una frana (aree all’interno dei perimetri delle frane esistenti).
Fig. 6 - Valori di IF
rel
per le singole classi o categorie in cui i fattori predisponenti sono stati suddivisi. Ogni grafico mostra l’influenza relativa esercitata da ogni
classe o categoria nel determinare la suscettività da frana
- IF
rel
values for individual classes or categories into which factors have been subdivided. Every graph shows the relative influence exerted by each class or
category in determining the landslide susceptibility
Tab. 5 - Significato probabilistico dell’indi-
ce di franosità di soglia IF
50
- Probabilistic meaning of the thresh-
old landsliding index IF
50
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
74
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
Fig. 8 - Carta dell’indice di pericolosità da frana (a destra), ottenuta sovrapponendo la carta della suscettività e la carta della pericolosità temporale (a sinistra) pesate con
una proporzione 4:1. L’area evidenziata con il rettangolo nero sulla carta di destra indica la frana di Ca’ Staccolo (id. # 176) illustrata in dettaglio in Fig. 10
- Landslide hazard index map (right), obtained overlapping spatial and temporal landslide susceptibility maps (left) weighed with a proportion 4:1. The
black-squared area on the right map refers to the Ca’ Staccolo landslide (id. #176) shown in detail in Fig. 10
Fig. 7 - Carta della soglia di suscettività da frana (IF
50
=74). Le aree scure (F
tot
≥IF
50
) sono rappresentative di una probabilità di frana come mostrato in Tabella 5
- Susceptibility landslide threshold map (IF
50
=74). Darkest areas (F
tot
≥IF
50
) are representative of a landslide susceptibility likelihood as shown in Table 5
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
75
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
RELIABILITY TEST
In a worth mentioning note on Science, o
ResKes
et alii, 1994 stated
that a strictly speaking ‘validation’ of numerical models in the Earth
Sciences is a ‘mission impossible’, but rather what may be feasible is
to establish ‘a degree of belief’ or ‘a reliability’ of the model predic-
tions respect to the available observations. Therefore, with the purpose
to test the reliability of the methodology used in the present work, both
the evaluation of the landslide recurrence (temporal susceptibility) and
the assessment of the landslide susceptibility as a whole (spatial plus
temporal) have been compared with independent observations.
The computed temporal susceptibility has been tested through an
independent hydrological and statistical model (Generalized Extreme
Value method, GEV: J
enKinson
, 1955) based on the relationships be-
tween rainfalls and landslides. Such a model allows the establish-
ment of the statistical periodicity of hydrological conditions similar
to those occurring when the landslide was triggered, thus providing
useful information on its probability of occurrence. To such an end
13 well-dated landslides have been analysed, for which the rainfall
probability curves could be elaborated. As an example in Fig. 9 such
verification is shown for the landslide number 176. The rainfall prob-
ability curves have been calculated with the Gumbel-type I (G
uMbel
,
1958) distribution function for different return periods (F
loRis
et alii,
2004). The boldfaced line in the graph shows the rainfalls cumulated
in progressive days previous the landslide.
Looking at Fig. 9, it can be observed that the landslide occurred
after a period of concentrated rainfalls during which about 130 mm
of precipitation fallen down in one week. Such a precipitation cor-
responds to a cumulated rainfall whose recurrence period in the area
is from 4 to 10 years long.
The comparison of the return periods computed with the two
methodologies (Tab. 6) shows a satisfactory correspondence of the
TEST DI AFFIDABILITÀ
In una nota da segnalare sulla rivista Science, o
ResKes
et alii,
1994 hanno affermato che una ‘validazione’ rigorosa dei modelli
numerici nelle Scienze della Terra è una ‘missione impossibile’, ma
piuttosto ciò che può essere fattibile è quello di stabilire ‘un certo gra-
do di credibilità o ‘affidabilità’ delle previsioni del modello rispetto
alle osservazioni disponibili. Pertanto, allo scopo di testare l’affidabi-
lità della metodologia utilizzata nel presente lavoro, sia la definizione
della ricorrenza delle frane (suscettività temporale), sia la valutazione
della suscettività da frana complessiva (spaziale più temporale) sono
state confrontate con osservazioni indipendenti.
La suscettività temporale calcolata è stata testata attraverso un
modello idrologico indipendente e statistico (metodo Generalized
Extreme Value, GEV: J
enKinson
, 1955) basato sulle correlazioni tra
piogge e frane. Tale modello consente di stabilire la periodicità stati-
stica delle condizioni idrologiche simili a quelle che si sono verificate
quando la frana è stata innescata, fornendo così informazioni utili
sulla sua probabilità di accadimento. A tal fine sono state analizzate
13 frane con data di attivazione certa, per le quali possono essere ela-
borate le curve di probabilità di pioggia. A titolo di esempio, in Fig.
9 viene mostrata tale verifica per la frana id.# 176. Le curve di pro-
babilità di pioggia sono state calcolate con il Gumbel-tipo I (G
uMbel
,
1958) funzione di distribuzione per diversi tempi di ritorno (F
loRis
et
alii, 2004). La linea in grassetto nel grafico mostra le precipitazioni
cumulate nei giorni precedenti la frana.
Guardando la Fig. 9, si può osservare che la frana si è verificata
dopo un periodo di piogge concentrate, durante il quale sono caduti
circa 130 mm di pioggia in una settimana. Tale precipitazione corri-
sponde ad una pioggia cumulata il cui tempo di ritorno, per questa
area, è compreso tra 4 e 10 anni.
Il confronto dei tempi di ritorno calcolati con le due metodolo-
Fig. 9 - Tempi di ritorno medi (in anni) delle piogge cumulate rispetto alle precipitazioni cumulate progressivamente nei giorni precedenti la frana (id.# 176). Dal
grafico si può estrapolare un tempo di ritorno medio di riattivazione di 4÷10 anni, che trova una buona corrispondenza con il risultato dell’analisi multi-
temporale per la stessa frana (cfr. Tab. 6 e il testo per maggiori dettagli)
- Mean return periods (in years) of the cumulated rainfalls compared with the cumulated rainfall in progressive days preceding the landslide (id.# 176). A
mean return period of reactivation of 4 to 10 years long may be inferred from the graph, which is in good agreement with the result of the multitemporal
analysis for the same landslide (see Tab. 6 and the text for more details)
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
76
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
results; only when the return period calculated with the rainfall-land-
slide relationship is very short (around 2 years) some differences can
be observed due to the different resolution of the aerial photographs
method which doesn’t allow to detect return periods less than 4 years.
As it regards the reliability of the landslide hazard index map,
in Fig. 8 an area has been boxed to show a comparison between the
prediction of our model and the behaviour exhibited by a locally well
known and documented mass movement. The Ca’ Staccolo landslide
movement, whose geomorphological features are shown in Fig. 10b,
exhibits different behaviours within its landslide body: the most ac-
tive parts are concentrated at the crown (near the landslide scarp), in
the middle and at the toe dipping southward. The zoomed-in view of
the landslide hazard index map (Fig. 10a) predicts the most hazardous
areas in almost the same places, confirming that the proposed model
is suitable to capture the recurrence of landslide reactivations.
CONCLUSIONS
The procedure brings to display different thematic maps each one
with its own intrinsic meaning:
gie (Tab. 6) mostra una corrispondenza soddisfacente dei risultati;
solamente quando il periodo di ritorno calcolato con la correlazione
pioggia-frana è molto ridotto (circa 2 anni), possono essere rilevate
alcune differenze dovute alla diversa risoluzione del metodo basato
sulle riprese aeree che non consente di individuare periodi di ritorno
inferiore a 4 anni.
Per quanto riguarda la validazione della carta della pericolosità
da frana, in Fig. 8 è stato evidenziato con un rettangolo un piccolo
settore allo scopo di mostrare il confronto tra la previsione del no-
stro modello e l’evoluzione di un movimento di massa ben noto e
documentato a scala locale. La frana di Ca’ Staccolo, le cui caratte-
ristiche geomorfologiche sono illustrate in Fig. 10b, presenta com-
portamenti diversi all’interno del suo corpo di frana: i settori più
attivi sono concentrati intorno alla corona (vicino alla scarpata di
frana), al centro e al piede con immersione verso sud. Nell’ingran-
dimento della carta di pericolosità da frana (Fig. 10a) la maggior
parte delle zone pericolose corrisponde circa agli stessi settori, a
conferma che il modello proposto è adatto ad individuare la ricor-
renza delle riattivazioni di frana.
CONCLUSIONI
La procedura porta ad elaborare carte tematiche diverse, ognuna
con un proprio significato intrinseco:
Tab. 6 - Confronto del tempo medio di ritorno calcolato con l’analisi mul-
titemporale delle foto aeree e quello ricavato dale relazioni frane/
precipitazioni for 13 riattivazioni di frana osservate
- Comparison of the mean return periods of landslide reactions com-
puted with the multitemporal analysis of aerial photographs and
those inferred from the landslide/rainfall relationships, for 13 re-
corded landslides reactivations
Fig. 10 - Ingrandimento della carta della pericolosità da frana per la frana di
Ca’ Staccolo. Il confronto tra la previsione della pericolosità da frana
(a) e le caratteristiche geomorfologiche della frana (b) mostra il loro
buon accordo per quanto riguarda l’affidabilità del modello predittivo
rispetto all’evoluzione osservata
- Zoomed-in view of the landslide hazard index map for the Ca’ Stac-
colo landslide area. A comparison between the landslide hazard index
map (a) and the geomorphological features of the landslide (b) shows
their good agreement as a reliability measure of the prediction model
respect to the observed behaviour
background image
AN APPROACH TO JOIN THE SPATIAL AND TEMPORAL COMPONENTS OF LANDSLIDE SUSCEPTIBILITY:
AN APPLICATION TO THE MARCHE REGION (CENTRAL ITALY)
77
Italian Journal of Engineering Geology and Environment, 2 (2011)
© Casa Editrice Università La Sapienza
www.ijege.uniroma1.it
• four relative landsliding index maps, one for each causative factor
(IF
rel,j
); every map represents the relative contribution to sliding
of that factor. Furthermore, if each IF
rel
factor is exploded into
the classes or categories into which it has been divided, it is also
possible to highlight which of them contribute most to the landsli-
ding proneness;
• one spatial landslide susceptibility map (F
tot
); F
tot
is already an
indicator of the greater or smaller proneness to slide: the grea-
ter the index, the greater the susceptibility, and vice versa. Ne-
vertheless, as every continuous variable, it is useful to define
a threshold value that describes a limit state condition above
which the investigated phenomenon can be regarded as signifi-
cant (like a state of warning);
• one susceptibility threshold map (IF
50
, the limit state condition
just described above) that represents the minimum F
tot
value
common to at least 50% of the actual landslide areas. Therefore,
IF
50
is a kind of switch, in the sense that values above are more
representative of a proneness condition to slide than not, and
vice versa for values below;
• one temporal landslide susceptibility map (IF
time
) which is restric-
ted to the existing landslides since the recurrence intervals are
determined on the actual landslides alone;
• one landslide susceptibility map, which couples the spatial and
temporal susceptibility. It joins the power of the spatial compo-
nent showing those areas that are more prone to slide without
any regard to the actually observed landslides, with the temporal
component showing how frequently landslides occur. Thus, this
map is a powerful tool to point out those areas which require prio-
rity measures of susceptibility mitigation.
The main advantages of such an approach are 1) the use of data-
bases currently available in regional governmental offices and 2) the
restitution of quantitative indicators of proneness and easy reading and
interpreting maps. Furthermore, the method is based on the GIS technol-
ogy which is well suitable for further developments and implementa-
tions, first of all the realization of formal landslide risk maps (R
oMeo
et
alii, 2006). And last but not least, the procedure can be easily integrated
with studies aimed to define the triggering thresholds of landslides such
as rainfall (F
loRis
& b
ozzano
, 2007; i
veRson
, 2000) and earthquakes
(R
oMeo
et alii, 2007), for the development of monitoring and warning
systems that, along with the territorial and land use planning, can all
together contribute to mitigate the landslide effects at regional scale.
ACKNOWLEDGEMENTS
The research was funded by the Civil Protection Service
of the Marche Regional Government, under the grant No. 481/
SPS/20041213.
• 4 carte dell’indice di franosità relativo, uno per ogni fattore pre-
disponente (IF
rel,j
); ogni mappa rappresenta il contributo relativo
all’innesco di frane di tale fattore. Inoltre, se ogni fattore IF
rel
è
analizzato in base alle classi o categorie in cui è stato suddiviso,
è anche possibile evidenziare quali di queste contribuiscono mag-
giormente alla predisposizione a franare;
• una carta della suscettività spaziale da frana (F
tot
); F
tot
è già un indi-
catore della maggiore o minore propensione a franare: maggiore è
l’indice, maggiore è la suscettività, e viceversa. Tuttavia, come ogni
variabile continua, è utile definire un valore di soglia che descriva
una condizione di stato limite oltre il quale il fenomeno indagato
può essere considerato significativo (come uno stato di allarme);
• una carta della soglia di suscettività (IF
50
, la condizione di stato
limite appena descritta sopra) che rappresenta il valore minimo
di F
tot
comune ad almeno il 50% delle aree in frana rilevate.
Pertanto, IF
50
è una sorta di interruttore, nel senso che i valori
al di sopra di IF
50
sono più rappresentativi di una condizione di
propensione a franare piuttosto che ad una condizione di stabili-
tà, e viceversa per i valori al di sotto;
• una carta della suscettività temporale da frana (IF
time
) che è li-
mitata alle frane esistenti poiché gli intervalli di ricorrenza sono
determinati solamente sulle frane rilevate;
• una carta della suscettività da frana, che combina la suscettività
spaziale e quella temporale. Racchiude le potenzialità della com-
ponente spaziale mostrando quelle aree che sono più inclini a fra-
nare senza tenere conto delle frane realmente osservate, e della
componente temporale che evidenzia la frequenza con cui si ve-
rificano le frane. Pertanto, questa carta costituisce uno strumento
utile per segnalare quelle aree che necessitano prioritariamente di
interventi di mitigazione della suscettività.
I principali vantaggi di tale approccio sono: 1) l’uso di database
attualmente disponibili presso gli uffici regionali e 2) la restituzione di
indicatori quantitativi di predisposizione e carte di facile lettura ed in-
terpretazione. Inoltre, il metodo, basato su tecniche GIS, si presta bene
per ulteriori sviluppi ed implementazioni, primo tra tutti la realizzazio-
ne di carte formali del rischio da frana (R
oMeo
et alii, 2006). E, ultimo
ma non meno importante, la procedura può essere facilmente integrata
con studi mirati a definire le soglie di innesco di frane, come le piog-
ge (F
loRis
& b
ozzano
, 2007; i
veRson
, 2000) ed i terremoti (R
oMeo
et
alii, 2007), per lo sviluppo di sistemi di monitoraggio e di allarme che,
insieme con la pianificazione territoriale e dell’uso del suolo, possono
contribuire a ridurre gli effetti da frana a scala regionale.
RINGRAZIAMENTI
La ricerca è stata finanziata dal Servizio Protezione Civile della
Regione Marche, contratto No. 481/SPS/20041213.
OPERE CITATE / REFERENCES
a
leotti
p. & C
howdhuRy
R. (1999) - Landslide hazard assessment: summary reviews and new perspectives. Bulletin of Engineering Geology and Environment, 58: 21 -44.
a
nabalGan
R. (1992) - Landslide hazard evaluation and zonation mapping in mountainous terrain. Engineering Geology, 32: 269 -277.
background image
UN APPROCCIO PER CONIUGARE LA SUSCETTIVITÀ SPAZIALE E TEMPORALE DA FRANA:
UN’APPLICAZIONE NELLA REGIONE MARCHE (ITALIA CENTRALE)
78
R. W. ROMEO, M. MARI, M. FLORIS, G. PAPPAFICO & U. GORI
a
ntonini
G., C
aRdinali
M., G
uzzetti
F., R
eiChenbaCh
p. & s
oRRentino
a. (1993) - Landslides inventory map of marche Region and surrounding areas. GNDCI, Publ.
Nr. 580, scale 1:100.000, 2 Sheets, Arti Grafiche L. Salomone, Rome.
C
aRRaRa
a. (1983) - A multivariate model for landslide hazard evaluation. Mathematical Geology, 15: 403 -426.
C
aRRaRa
a. & M
eRenda
G. (1976) - Landslide Inventory in Northern Calabria, Southern Italy. Geological Society of American Bulletin, 87(8): 1153 -1162.
C
aRRaRa
a., C
aRdinali
M., d
etti
R., G
uzzetti
F., p
asqui
v. & R
eiChenbaCh
p. (1991) - GIS techniques and statistical models in evaluating landslide hazard. Earth
Surface Processes and Landsform, 16: 427 -445.
C
aRRaRa
a., G
uzzetti
F., C
aRdinali
M. & R
eiChenbaCh
p. (1999) - Use of GIS technology in the prediction and monitoring of landslide hazard. Natural Hazards, 20(2-3): 117 -135.
C
hen
z. & w
anG
J. (2007) - Landslide hazard mapping using logistic regression model in Mackenzie Valley, Canada. Natural Hazards, 42(1): 75 -89.
e
instein
h.h. (1988) - Special lecture: landslide risk assessment procedure. Proceedings 5th International Symposium on Landslides, Lausanne, 2: 1075 -1090.
F
enti
v., s
ilvano
s. & s
paGna
v. (1979) - Methodological proposal for an engineering geomorphological map. Forecasting rock-falls in the Alps. Bulletin of IAEG, 19: 134 -138.
F
loRis
M., M
aRi
M., R
oMeo
R.w. & G
oRi
u. (2004) - Modelling of landslide-triggering factors- a case study in the Northern Apennines, Italy. Lecture Notes in Earth
Sciences n.104, Hack, Azzam and Charlier eds., pp. 745 -753, Springer-Verlag, Berlin Heidelberg.
F
loRis
M. & b
ozzano
F. (2007). Evaluation of landslide reactivation: A modified rainfall threshold model based on historical records of rainfall and landslides.
Geomorphology, 94(1-2): 40 -57
G
oKCeoGlu
C. & a
Ksoy
h. (1996) - Landslide susceptibility mapping of the slopes in the residual soils of the Mengen Region (Turkey) by deterministic stability
analyses and image processing technique. Engineering Geology, 44: 147 -161.
G
oRsevsKi
p. v., G
essleR
p. & F
oltz
R. b. (2000) - Spatial prediction of landslide hazard using discriminant analysis and GIS. In: GIS in the Rockies 2000
Conference and Workshop: applications for the 21
st
Century, Denver, Colorado, September 25 - 27, 2000.
G
uMbel
e.J. (1958) - Statistics of Extremes. Columbia University Press, New York, 375 pp.
G
uzzetti
F., C
aRRaRa
a., C
aRdinali
M. & R
eiChenbaCh
p. (1999) - Landslide hazard evaluation: a review of current techniques and their application in a multi-scale
study, Central Italy. Geomorphology, 31: 181 -216.
ISPRA (2007) - Inventario dei fenomeni franosi in Italia. Rapporti 78/2007, Available online at the web-address: http://www.isprambiente.it/site/it-IT/Progetti/IFFI
i
veRson
R. M. (2000) - Landslide triggering by rain infiltration. Water Resources Research, 36(7): 1897 -1910.
J
enKinson
a.F. (1955) - The frequency distribution of the annual maximum (or minimum) values of meteorological events. Quarterly Journal of the Royal
Meteorological Society, 87: 158 -171.
K
ienholz
h. (1978) - Maps of Geomorphology and Natural Hazard of Griendelwald, Switzerland, scale 1:10.000. Artic and Alpine research, 10: 169 -184.
K
inGsbuRy
p.a., h
astie
h.J. & b
entley
s.p. (1992) - Regional landslip hazard assessment using a geographic information system. Proceedings 6
th
International
Symposium on Landslides. D.H. Bell (editor), Christchurch, N.Z.: 995 -999.
l
ee
s. & M
in
K. (2001) - Statistical analysis of landslide susceptibility at Yongin, Korea. Environmental Geology, 40: 1095 -1113.
l
ee
s., u
eeChan
C. & M
in
K. (2002) - Landslide susceptibility mapping by correlation between topography and geological structure: the Janghung area, Korea.
Geomorfology, 46(3-4): 149 -162.
n
atoli
, s., p
Restininzi
, a. & R
oMaGnoli
, C. (1992) - Determinazione della pericolosità di frana:un esempio di applicazione di una nuova metodologia. Geologia
Romana, 30: 381-394.
o
ResKes
, n., s
hRadeR
-F
ReChette
, K. & b
elitz
, K. (1994) - Verification, validation, and confirmation of numerical models in the Earth Sciences. Science, 263: 641 -646.
R
eiChenbaCh
p., G
alli
M., C
aRdinali
M., G
uzzetti
F. & a
Rdizzone
F. (2005) - Geomorphological mapping to assess landslide risk: concepts, methods and applications
in the Umbria Region of central Italy. In: G
lade
, t., a
ndeRson
, M.G. & C
RozieR
, M.J. (eds.) Landslide risk assessment. John Wiley, pp. 429 -468.
R
oMeo
R.w., F
loRis
M. & v
eneRi
F. (2006) - Area-scale landslide hazard and risk assessment. Environmental Geology, 51(1): 1 -13.
R
oMeo
R.w., J
ibson
R.w. & p
uGliese
A. (2007) - A methodology for assessing earthquake-induced landslide risk. Proceedings 1
st
North American Landslide
Conference (NALC), Vail, Colorado, June 3-8, 2007, AEG Special Publication No. 23: 867 -875.
R
oth
R.A. (1983) - Factors affecting landslide-susceptibility in San Mateo County, California. Bulletin of the Association of Engineering Geologists, 20(4): 353 -372.
R
upKe
l., C
aMMeRaat
e., s
eJMonsbeRGen
a.C. & v
an
w
esten
C.J. (1988) - Engineering geomorphology of Widentobel Catchment, Switzerland: a geomorphological
inventory system applied to geotechnical appraisal of slope stability. Engineering Geology, 26: 33 -68.
s
antaCana
n., b
aeza
b., C
oRoMinas
J., d
e
p
az
a. & M
aRtuRiá
J. (2003) - A GIS-Based Multivariate Statistical Analysis for Shallow Landslide Susceptibility
Mapping in La Pobla de Lillet Area (Eastern Pyrenees, Spain). Natural Hazards, 30(3): 281 -295.
s
tevenson
p.C. (1977) - An empirical method for the evaluation of the relative landslip risk. Bulletin of IAEG, 16: 69 -72.
z
anutta
a., b
aldi
p., b
itelli
G., C
aRdinali
M. & C
aRRaRa
a. (2006) - Qualitative and quantitative photogrammetric techniques for multi-temporal landslide
analysis. Annals of Geophysics, 49(4-5): 1067 -1080.
Received November 2010 - Accepted July 2011
Statistics