Lo scopo di tale operato è stato quello di effettuare la calibrazione automatica tramite l’algoritmo hydroPSO interfacciandolo al modello idrologico spazialmente distribuito FEST- EWB per poi confrontarlo con la calibrazione manuale.
Il caso studio è il bacino sperimentale del torrente Bonis, situato nel Parco Nazionale della Sila, in Calabria. In particolare, si sono messi a confronto tre modelli di infiltrazione: il modello del SCS-Curve Number, di Green-Ampt e di Philip e, per determinare per ognuno di essi quali fossero i parametri maggiormente influenzanti, si è proceduto in fase preliminare con un’analisi di sensitività.
Ottenuti i tre set di parametri si è effettuata la calibrazione manuale, per la quale, arbitrariamente, sono stati modificati i parametri, rispettando i range di variabilità, fino ad ottenere una combinazione che restituisse una differenza in volume, tra la simulata e l’osservata, minima. Da tale procedura si è ottenuto, in generale, un risultato migliore rispetto alla configurazione di base, riscontrando un andamento delle simulazioni soddisfacenti se confrontate con i dati osservati. Inoltre, confrontando tra loro i modelli d’infiltrazione, si è riscontrata una buona adattabilità dei modelli di Green-Ampt e Philip ai dati reali, che minimizzano non solo la differenza in volume, ma anche la portata al picco, dimostrandosi efficaci in termini di calibrazione manuale, ma anche di validazione.
Prima di effettuare la calibrazione automatica si è ritenuto opportuno procedere con una parametrizzazione di hydroPSO, modificando la dimensionalità del problema (ovvero il numero di particelle n) e la funzione di buon adattamento (GoF). Tutto ciò è stato fatto
una simulazione quanto più vicina all’ottimo possibile, non trascurando, però, i tempi di calcolo impiegati. Da tale procedura si è riscontrato che, per i tre modelli d’infiltrazione, l’indice di Nash è la funzione che meglio interpreta i dati, associata ad un numero di particelle n pari a 20. Infatti, riducendo la dimensionalità del problema, i risultati restano comunque soddisfacenti in quanto le differenze rispetto alla configurazione “di default” si possono considerare trascurabili. Inoltre si riducono drasticamente i tempi di calcolo e, di conseguenza, l’onere computazionale diminuisce.
Sulla base della parametrizzazione si è proceduto con la calibrazione automatica e successiva validazione. Dai risultati ottenuti, ancora una volta, si è riscontrato un miglioramento rispetto alla configurazione di base, riscontrando un andamento delle simulazioni soddisfacenti se confrontate con i dati osservati. Confrontando tra di loro i modelli, si è ottenuto un risultato opposto rispetto a quello della procedura manuale. Infatti, è il modello del Curve Number quello che riesce ad interpretare al meglio i dati a disposizione, sia in termini qualitativi, con istogrammi dei volumi ed idrogrammi di piena, che quantitativi, tramite gli indici statistici determinati. Dai risultati ottenuti dalle analisi svolte, quindi, si sono ottenute due valutazioni diverse dei modelli d’infiltrazione, a seconda della procedura adottata (manuale o automatica). Infine, confrontando le due procedure si può concludere che la calibrazione automatica restituisce un risultato soddisfacente riguardo la simulazione di eventi di piena. Essa presenta, inoltre, una serie di vantaggi rispetto a quella manuale, primo tra tutti il non impegno costante di un utente la cui competenza e praticità influenza fortemente il risultato. Inoltre non è necessario modificare manualmente i parametri, proprio perché viene fatto automaticamente, con il vantaggio di poterli combinare simultaneamente (cosa che manualmente è molto complesso fare); tutto ciò porta ad una notevole riduzione dell’onere computazionale e dei tempi di calcolo, limitando quindi il margine di errore.
Riferimenti bibliografici
Agnese, C., Bagarello, V., Baiamonte, G., Iovino, M., 2011. Comparing physical quality of forest and pasture soils in a Sicilian watershed. Soil Sci. Soc. Am. J. 75, 1958–1970. http://dx.doi.org/10.2136/sssaj2011.0044.
Alaoui, A., Caduff, U., Gerke, H.H., Weingartner, R., 2011. Preferential flow effects on infiltration and runoff in grassland and Forest soils. Vadose Zone J. 10, 367–377. http://dx.doi.org/10.2136/vzj2010.0076.
Alcamo, J., Bennett, E.M., Millennium Ecosystem Assessment (Program), 2003. Ecosystems and Human Well-being: A Framework for Assessment. Island Press, Washington, DC.
Andrews, F., B. Croke, and A. Jakeman (2011), An open software environment for hydrological model assessment and development, Environmental Modelling & Software, 26(10), 1171–1185, doi: 10.1016/j.envsoft.2011.04.006.
Archer, N.A.L., Bonell, M., Coles, N., MacDonald, A.M., Auton, C.A., Stevenson, R., 2013. Soil characteristics and landcover relationships on soil hydraulic conductivity at a hillslope scale: a view towards local flood management. J. Hydrol. 497, 208–222. http://dx.doi.org/10.1016/j.jhydrol.2013.05.043.
Callegari, G., Ferrari, E., Garfì, G., Iovino, F., &Veltri, A. (2003). Impact of thinning on the water balance of a catchment in Mediterranean environment. The Forestry Chronicle, 79, 301–306. doi:10.5558/tfc79301-2.
Caloiero, T. , Biondo, C., Callegari, G., Collalti, A., Froio, R., Maesano, M., Matteucci, G., Pellicone, G., Veltri, A. (2017). Results of a long-term study on an experimental watershed
in souther Italy. Forum geografic, XV (Suppl. 2), 55-65.
http://dx.doi.org/10.5775/fg.2016.067.s
Caloiero, T., Coscarelli, R., Ferrari, E., & Mancini, M. (2011). Trend detection of annual and seasonal rainfall in Calabria (Southern Italy). International Journal of Climatology, 31, 44– 56. doi:10.1002/joc.2055.
Caloiero, T., Coscarelli, R., Ferrari, E., & Sirangelo,B. (2017). Trend analysis of monthly mean values and extreme indices of daily temperature in a region of southern Italy. International Journal of Climatology, published online. doi:10.1002/joc.5003.
Carvalho-Ribeiro S.M., Lovett A., O’Riordan T. (2010): Multifunctional forest management in Northern Portugal: Moving from scenarios to governance for sustainable development. Land Use Policy, 27: 1111–1122.
Ceppi, Alessandro. «Real Time flood forecasts coupling meteorological and hydrological models.» Tesi di dottorato, 2011.
Clerc, M. (2006), Particle Swarm Optimization, ISTE (International Scientific and Technical Encyclopedia).
Clerc, M. (2007), Back to random topology, Tech. rep., Particle Swarm Central.
Clerc, M. (2012), Standard Particle Swarm Optimisation, Tech. rep., Particle Swarm Central, [Online; last accessed 24-Sep-2012].
Collalti, A., Biondo, C., Buttafuoco, G.,Maesano, M., Caloiero, T. (2013). Protocollo di simulazione, calibrazione e validazione del modello 3D-CMCC-CNR-FEM: il caso studio del bacino altamente strumentato del Bonis in Calabria.
Conway TJ, Tans PP, Waterman LW, Thoning KW, Kitzis DR, Masarie KA, Zhang N (1994). Evidence for interannual variability of the carbon cycle from NOAA/CMDL global sampling network. Journal of Geophysical Research 99: 22,831-22,855.
Corbari, C., Ravazzani, G., Mancini, M. (2014). Validation of a distribuited hydrological energy water balance model using remote sensing land surface temperature and group discharge surface temperature and ground discharge measurements.
Dev Sharma, R., Sarkar, R., Dutta, S., 2013. Run-off generation from fields with different land use and land covers under extreme storm events. Curr. Sci. 00113891 (104), 1046– 1053.
Di Salvatore U., Ferretti F., Cantiani P., Paletto A., De Meo I., Chiavetta U. (2013): Multifunctionality assessment in forest planning at landscape level. The study case of Matese Mountain Community (Italy). Annals of Silvicultural Research, 37: 45–54.
Doherty, J. (2010), PEST: Model-independent parameter estimation. User manual: 5th edition, Watermark Numerical Computing, fifth ed.
Eberhart, R., and Y. Shi (1998), Comparison between genetic algorithms and particle swarm optimization, in Evolutionary Programming VII, vol. 1447, edited by V. Porto, N. Saravanan, D. Waagen, and A. Eiben, pp. 611–616, Springer Berlin / Heidelberg, doi: 10.1007/BFb0040812.
Falace, M. (2017). Il Bacino Sperimentale Bonis: Inquadramento Generale e Dissesto Idrogeologico in Atto.
Feki, M., Ravazzani, G., Ceppi, A., Milleo, G., Mancini, M., 2018. Impact of Infiltration Process Modeling on Soil Water Content Simulations for Irrigation Management. Water 2018, 10, 850; doi:10.3390/w10070850
Fernand J. (1995): Multiple-use forestry – a concept of communication. In: Hytönen M. (ed.): Multiple-use Forestry in the Nordic Countries. Helsinki, Finnish Forest Research Institute: 67–80.
Führer E. (2000): Forest functions, ecosystem stability and management. Forest Ecology and Management, 132: 29–38.
Germer, S., Neill, C., Krusche, A.V., Elsenbeer, H., 2010. Influence of land-use change on near-surface hydrological processes: undisturbed forest to pasture. J. Hydrol. 380, 473– 480. http://dx.doi.org/10.1016/j.jhydrol.2009.11.022.
Gonzalez-Sosa, E., Braud, I., Dehotin, J., Lassabatère, L., Angulo-Jaramillo, R., Lagouy, M., Branger, F., Jacqueminet, C., Kermadi, S., Michel, K., 2010. Impact of land use on the hydraulic properties of the topsoil in a small French catchment. Hydrol. Process. 24, 2382– 2399. http://dx.doi.org/10.1002/hyp.7640.
Henderson, F. M. (1966). Open channel flow, Prentice–Hall, Englewood Cliffs, N.J. International Organization for Standardization (ISO). (1980). Water flow measurement in open channels using weirs and venturi flumes. Part 1: Thin plate weirs. ISO 1438/1- 1980(E).
Huang, M., Zhang, L., Gallichand, J., 2003. Runoff responses to afforestation in a watershed of the Loess Plateau, China. Hydrol. Process. 17, 2599–2609. https://doi.org/10.1002/hyp.1281
Humann, M., Schuler, G., Muller, C., Schneider, R., Johst, M., Caspari, T., 2011. Identification of runoff processes - the impact of different forest types and soil properties
on runoff formation and floods. J. Hydrol. 409, 637–649.
https://doi.org/10.1016/j.jhydrol.2011.08.067
IPCC (2013). Climate Change. In: “The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change” (Stocker TF et al. eds). Cambridge University Press, Cambridge, UK and New York, USA. IPCC (2014). Climate Change. In: “Summary for policy makers: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects”. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Field CB et al. eds). Cambridge Unversity Press, Cambridge, UK and New York, USA.
Jordan, A., Martinez-Zavala, L., Bellinfante, N., 2008. Heterogeneity in soil hydrological response from different land cover types in southern Spain. Catena 74, 137–143. http://dx.doi.org/10.1016/j.catena.2008.03.015.
Keeling CD, Whorf TP (1994). Atmospheric CO2 records from sites in the SIO air sampling network. Trends '93: A compendium of Data on Global Change, ORNL/CDIAC65, Oak Ridge, TN, pp. 16-2.
Kennedy, J. (1999), Small worlds and mega-minds: effects of neighborhood topology onparticle swarm performance, in Proceedings of the 1999 Congress on Evolutionary Computation, 1999, vol. 3, pp. 3 vol. (xxxvii+2348), doi: 10.1109/CEC.1999.785509. Kennedy, J., and R. Eberhart (1995), Particle swarm optimization, in Proceedings IEEE International Conference on Neural Networks, 1995, vol. 4, pp. 1942–1948, doi: 10.1109/ICNN.1995.488968.
Kennedy, J., and R. Mendes (2002), Population structure and particle swarm performance, in Proceedings of the 2002 Congress on Evolutionary Computation, CEC ’02, pp. 1671– 1676, doi: 10.1109/CEC.2002.1004493.
Kennedy, J., and R. Mendes (2003), Neighborhood topologies in fullyinformed and best- of-neighborhood particle swarms, in Proceedings of the 2003 IEEE International Workshop on Soft Computing in Industrial Applications, 2003. SMCia/03., pp. 45–50, doi: 10.1109/SMCIA.2003.1231342.
Lenz, A. T. (1943). Viscosity and surface tension effects on V-notch weir coefficients. Trans. Am. Soc. Civ. Eng., 69, 759–802.
MA (2005): Millennium Ecosystem Assessment Synthesis Report. Washington, D.C., Island Press: 137.
Madsen, H., Wilson, G. and Ammentorp, H. C. (2002). Comparison of different automatic strategies for calibration of rainfall-runoff models. Journal of Hydrology, 261, 48-59. Mander U., Wiggering H., Helming K. (eds) (2007): Multifunctional Land Use: Meeting Future Demands for Landscape Goods and Services. Berlin, Springer-Verlag: 421.
Martinez, J. (2005). Design and Calibration of a Compound Sharp-Crested Weir. Journal of hydraulic Engineering.
Matteucci, G., Scarascia-Mugnozza, G. (2016). Ecosistemi forestali e mitigazione dei cambiamenti ambientali: sequestro di carbonio in foreste italiane.
Mendes, R. (2004), Population topologies and their influence in particle swarm performance, Ph.D. thesis, Departamento de Inform´atica. Escola de Engenharia. Universidade do Minho, Minho, Portugal.
Montaldo, N., G. Ravazzani, e M. Mancini. «On the prediction of the Toce alpine basin floods with distributed hydrologic models.» Hydrol. Process, 2007: 608-621.
Montosi E., Variabilità spaziale dei parametri di modelli afflussideflussi, Tesi di Dottorato, 2012.
Moriasi, D.N.; Arnold, J.G.; Van Liew, M.W.; Bingner, R.L.; Harmel, R.D.; Veith, T.L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Trans. ASABE 2007, 50, 885– 900.
Nash, J., and J. Sutcliffe (1970), River flow forecasting through conceptual models. Part I– A discussion of principles, Journal of Hydrology, 10(3), 282–290, doi: 10.1016/0022- 1694(70)90255-6.
Paletto A., Ferretti F., Cantiani P., De Meo I. (2012): Multifunctional approach in forest landscape management planning: An application in Southern Italy. Forest Systems, 21: 68–80.
Paoletti E, 2005. Cambiamento climatico e inquinamento: effetti sulle formazioni boschive meridionali. Forest@ 2 (1): 17-18. [online] URL: http://www.sisef.it/ .
Poli, R., J. Kennedy, and T. Blackwell (2007), Particle swarm optimization, Swarm Intelligence, 1(1), 33–57, doi: 10.1007/s11721-007-0002-0.
R Development Core Team (2011), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, ISBN 3-900051-07- 0.
Rabuffetti, D., G. Ravazzani, C. Corbari, e M. Mancini. «Verification of operational Quantitative Discharge Forecast (QDF) for a regional warning system - the AMPHORE case studies in the upper Po River.» Nat. Hazards Earth Syst. Sci, 2008: 161-163.
Ravazzani, G., Caloiero, T., Feki, M., Pellicone, G. (2018). Impact of Infiltration Process Modeling on Runoff Simulations: The Bonis River Basin. Proceedings 2018, 2, 638; doi:10.3390/proceedings2110638.
Ravazzani, G., D. Rabuffetti, C. Corbari, A. Ceppi, e M. Mancini. «Testing FEST-WB, a continuous distributed model for operational quantitative discharge forecast in the upper Po river.» Proceedings of the AMHYFRIEND International Workshop on Hydrological Extremes. Cosenza (Italia), 2010.
Ravazzani, G., M. Mancini, I. Giudici, e P. Amadio. «Effects of soil moisture parameterization on a real- time flood forecasting system based on rainfall thresholds. In Quantification and Reduction of Predictive Uncertainty for Sustainable Water Resources Management, Proc. Symposium HS 2004 at IUGG 2007.» IAHS Publ., 2007: 407-416. Ravazzani, G., Rabuffetti, D., Corbari C., Mancini, M. (2008). Validation of FEST-WB, a continuous water balance distributed model for flood simulation.
Rojas, R., Zambrano-Bigiarini, M. (2012). Tutorial for interfacing hydroPSO* with SWAT- 2005 and MODFLOW-2005.
Scarascia Mugnozza G., De Angelis P., Matteucci G., Valentini R. (1999). Foreste e cambiamenti climatici. In: Magni M., Giordano E., Di Girolamo C. (edit.) Atti del II Congresso Nazionale di Selvicoltura per il Miglioramento e la Conservazione dei Boschi Italiani, Venezia, 2428/06/1998, EdAs s.r.l., Volume I, pp. 97-122.
Urquhart J., Courtney P., Slee B. (2012): Private woodland owners’ perspectives on multifunctionality in English woodlands. Journal of Rural Studies, 28: 95–106.
van Griensven, A., T. Meixner, S. Grunwald, T. Bishop, M. Diluzio, and R. Srinivasan (2006), A global sensitivity analysis tool for the parameters of multi-variable catchment models, Journal of Hydrology, 324(1–4), 10– 23, doi: 10.1016/j.jhydrol.2005.09.008. Wu, Y., and S. Liu (2012), Automating calibration, sensitivity and uncertainty analysis of complex models using the r package flexible modeling environment (fme): Swat as an example, Environmental Modelling & Software, 31(0), 99–109, doi: 10.1016/j.envsoft.2011.11.013.
Zambrano-Bigiarini, M., and R. Rojas (2012), hydroPSO: A modelindependent particle swarm optimization software for calibration of environmental models, Environmental Modelling & Software, submitted.
Zimmermann, B., Elsenbeer, H., DeMoraes, J.M., 2006. The influence of land-use changes on soil hydraulic properties: implications for runoff generation. For. Ecol. Manag. 222, 29– 38. http://dx.doi.org/10.1016/j.foreco.2005.10.070.