Catena di previsione idrologica del CFMI-PC

Nella gestione operativa delle previsioni meteo-idrologiche, la Liguria `e divisa in cinque aree di allerta (Silvestro et al., 2012) che sono omogenee dal punto di vista idrologico. Esse sono divise in due gruppi. Il primo, a sud dello spartiacque appenninico, `e costituito da tre aree (A, B e C in Figura 5.7) i cui bacini hanno sbocco nel Mar Ligure. L’altro gruppo, invece, `e costituito da due aree (D ed E in Figura 5.7) che includono i bacini di testa di bacini pi`u grandi che alimentano il fiume Po.

Figura 5.7. Zone di allertamento in cui `e suddivisa la Regione Liguria, definite in base ai criteri della Direttiva P.C.M. del 27 febbraio 2004 (Regione Liguria, 2015)

Gli esperti del CFMI-PC della regione Liguria, combinano le informazioni di diversi modelli meteorologici e idrologici alla loro esperienza al fine di effettuare una previsione della precipitazione e del rischio idrologico per ciascuna area. In base a queste valutazioni pu`o essere attivato il sistema di allertamento per una o pi`u delle aree mostrate in Figura 5.7.

La catena modellistica su cui si basano le previsioni idrologiche inizia con la previsione di precipitazione di un modello meteorologico (ad esempio MOLOCH). Su questa viene effettuato un downscaling statistico mediante il Rainfall Filtered Autoregressive Model (RainFARM) che genera diversi possibili scenari di precipi- tazione a scala locale; con i campi di precipitazione cos`ı ottenuti, viene inizializzato

il modello idrologico Continuum al fine di ottenere una previsione probabilistica delle portate dei vari bacini.

Modello Continuum

Continuum (Silvestro et al., 2015b) `e un modello idrologico distribuito e continuo che si basa su un approccio morfologico. Il modello `e stato concepito per essere un buon compromesso tra i modelli con una forte connotazione empirica, che sono facili da implementare ma lontani dalla realt`a, e modelli con una fisica molto com- plessa, i quali cercano di riprodurre i processi idrologici con un elevato dettaglio introducendo parametrizzazioni complesse e, di conseguenza, incertezze significa- tive in particolare dovute alla mancanza di metodi robusti per l’identificazione dei parametri. `E progettato per essere implementato in diversi contesti, con partico- lare attenzione alle situazioni in cui si hanno a disposizione pochi dati. Tutti i fenomeni idrologici principali sono modellizzati in modo distribuito.

Il bacino `e rappresentato mediante una griglia quadrata regolare, basata sul Di- gital Elevation Model (DEM), e le direzioni di flusso sono identificate sulla base delle direzioni di massima pendenza derivati dal DEM. Il network di drenaggio di- stingue tra flussi di versante e canalizzati, mediante un filtro morfologico, il quale descrive le condizioni idrodinamiche e morfologiche del network (Giannoni et al., 2000). Infiltrazioni e correnti di sottosuolo sono descritte utilizzando un metodo semi-empirico ma piuttosto dettagliato, basato su una modifica dell’algoritmo di Horton (Bauer, 1974); viene rappresentata l’evoluzione dell’umidit`a del suolo an- che in condizioni di pioggia debole ed intermittente (cio`e d’intensit`a inferiore alla capacit`a di infiltrazione del suolo).

Il bilancio energetico `e basato sulla cosiddetta “force restore equation” che bi- lancia i termini forzanti e di ripristino, calcolando esplicitamente la temperatura superficiale del suolo (Silvestro et al., 2015a). La schematizzazione del flusso su- perficiale distingue tra i flussi di canale e di versante. Quest’ultimi sono descritti da uno schema lineare di bacino idrico, mentre per il flussi di canale viene utiliz- zata una schematizzazione derivata dall’approccio dell’onda cinematica (Wooding, 1965). La vegetazione `e schematizzata considerando la capacit`a di trattenimento stimata con i dati Leaf Area Index, mentre i flussi profondi sono modellizzati con

una schematizzazione di bacino idrico distribuito e lineare, mediante un’equazione di Darcy semplificata.

Continuum ha sei parametri che richiedono la calibrazione alla scala del bacino: due per il flusso di superficie, due per il flusso sotto la superficie e due per il flusso profondo e processi di falda. Quest’ultimi hanno un’influenza minore sugli idrogrammi di piena rispetto agli altri quattro parametri (Silvestro et al., 2013), soprattutto per bacini di piccole e medie dimensioni.

Modello RainFARM

RainFARM (Rebora et al., 2006) `e un modello di downscaling della precipitazione utilizzato per generare un insieme di campi di precipitazione coerenti con quelli previsti a scala maggiore dai modelli meteorologici e/o da previsori esperti. `E in grado di riprodurre la variabilit`a su piccola scala necessaria per forzare corretta- mente il runoff di precipitazione del modello idrologico. RainFARM preserva le informazioni su larga scala derivanti da una previsione di precipitazione ed `e in grado di generare strutture di precipitazione su piccola scala spazio-temporale che siano coerenti con le osservazioni radar delle precipitazioni alle medie latitudini.

L’idea di base `e che lo spettro spettro spazio-temporale di Fourier del campo di precipitazione, previsto da un modello meteorologico, sia nella forma:

|ˆg(kx, ky, ω)|2 ∝  k_x2+ k2_y −α 2 ω−β (5.1)

dove kx e ky sono i numeri d’onda spaziali lungo gli assi x e y, ω il numero d’onda

temporale (frequenza), mentre α e β rappresentano due parametri del modello che vengono stimati dallo spettro di potenza della previsione di precipitazione del modello meteorologico, basandosi sui numeri d’onda e frequenze corrispondenti alle scale spazio-temporali in cui tale modello `e considerato affidabile.

Lo spettro definito dall’equazione 5.1 pu`o essere facilmente esteso a grandi nume- ri d’onda e frequenze consentendo cos`ı la generazione di un campo spazio-temporale a una risoluzione maggiore (Rebora et al., 2006). La scelta casuale delle fasi as- sociate allo spettro di potenza e la successiva trasformazione nello spazio reale consentono di generare un insieme stocastico di campi di precipitazione ad al-

ta risoluzione che sono coerenti su larga scala con i campi emessi dal modello meteorologico.

In pratica, una volta che sono definite le scale spaziali e temporali su cui la previsione di precipitazione `e considerata affidabile, il campo di precipitazione creato da RainFARM `e forzato a conservarne sia i pattern spazio-temporali che il volume di precipitazione su quelle scale. A scale pi`u piccole, invece, il campo di precipitazione viene generato casualmente, ma con strutture spaziali e temporali correlate nello spazio e nel tempo con le regole definite dalla parametrizzazione dello spettro di potenza.