MONSTER è un progetto di ricerca per la creazione di un modello di previsione temporale di frana basato su soglie idrologiche, da utilizzare come sistema di allarme per il bacino dell’Arno. La strategia di ricerca prevede un duplice approccio: modellistica idrologica ed analisi statistica. Tre sottobacini dell’Arno (Bisenzio, Era e Greve) sono le aree pilota per le quali sono state ricostruite le serie storiche di frane, piogge e portate. Inoltre, per l’intero bacino dell’Arno, sono state individuate delle unità territoriali omogenee (UTO) basate su litologia e uso del suolo, in base alle quali differenziare le soglie di innesco dei fenomeni franosi. La caratterizzazione idrologica dei bacini pilota e delle relative UTO viene effettuata con il metodo del CurveNumber. Un CN è assegnato all’intero bacino di prova confrontando i dati del ruscellamento con i risultati forniti dall’applicazione di un filtro digitale ricorsivo per la separazione dell’idrogramma di piena. I CN delle UTO sono ottenuti riadattando valori di letteratura in modo da rendere coerente il comportamento complessivo delle UTO rispetto a quello delle intere aree pilota, rappresentato dal relativo CN precedentemente calcolato. Per ciascuna UTO vengono analizzati due gruppi di eventi idrologici: quelli seguiti da frane e quelli non seguiti da frane. Con il metodo del CN, dalle precipitazioni si ottengono i valori di infiltrazione, fattore legato all'aumento della pressione interstiziale, responsabile dell'instabilità dei versanti. Le soglie di innesco dei fenomeni franosi sono quindi ricavate dall’analisi statistica dei dati di infiltrazione legati a eventi seguiti da frane o meno, combinati con adeguati indici di precipitazione antecedente.

Sviluppo di un modello di previsione di frane per il bacino del fiume Arno / Benedetti A. I.; Dapporto S.; Casagli N.; Brugioni M.. - In: GIORNALE DI GEOLOGIA APPLICATA. - ISSN 1826-1256. - STAMPA. - 3:(2006), pp. 181-188. [10.1474/GGA.2006-03.0-24.0117]

Sviluppo di un modello di previsione di frane per il bacino del fiume Arno

BENEDETTI, ANGELO IACOPO;DAPPORTO, STEFANO;CASAGLI, NICOLA;BRUGIONI, MARCELLO
2006

Abstract

MONSTER è un progetto di ricerca per la creazione di un modello di previsione temporale di frana basato su soglie idrologiche, da utilizzare come sistema di allarme per il bacino dell’Arno. La strategia di ricerca prevede un duplice approccio: modellistica idrologica ed analisi statistica. Tre sottobacini dell’Arno (Bisenzio, Era e Greve) sono le aree pilota per le quali sono state ricostruite le serie storiche di frane, piogge e portate. Inoltre, per l’intero bacino dell’Arno, sono state individuate delle unità territoriali omogenee (UTO) basate su litologia e uso del suolo, in base alle quali differenziare le soglie di innesco dei fenomeni franosi. La caratterizzazione idrologica dei bacini pilota e delle relative UTO viene effettuata con il metodo del CurveNumber. Un CN è assegnato all’intero bacino di prova confrontando i dati del ruscellamento con i risultati forniti dall’applicazione di un filtro digitale ricorsivo per la separazione dell’idrogramma di piena. I CN delle UTO sono ottenuti riadattando valori di letteratura in modo da rendere coerente il comportamento complessivo delle UTO rispetto a quello delle intere aree pilota, rappresentato dal relativo CN precedentemente calcolato. Per ciascuna UTO vengono analizzati due gruppi di eventi idrologici: quelli seguiti da frane e quelli non seguiti da frane. Con il metodo del CN, dalle precipitazioni si ottengono i valori di infiltrazione, fattore legato all'aumento della pressione interstiziale, responsabile dell'instabilità dei versanti. Le soglie di innesco dei fenomeni franosi sono quindi ricavate dall’analisi statistica dei dati di infiltrazione legati a eventi seguiti da frane o meno, combinati con adeguati indici di precipitazione antecedente.
2006
3
181
188
Benedetti A. I.; Dapporto S.; Casagli N.; Brugioni M.
File in questo prodotto:
File Dimensione Formato  
Benedetti et al GGA 2006.pdf

Accesso chiuso

Tipologia: Versione finale referata (Postprint, Accepted manuscript)
Licenza: Open Access
Dimensione 265.76 kB
Formato Adobe PDF
265.76 kB Adobe PDF   Richiedi una copia

I documenti in FLORE sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificatore per citare o creare un link a questa risorsa: https://hdl.handle.net/2158/352019
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact