Macroarea 2 (Val di Mazara) - APPLICAZIONI DI TECNICHE GIS E MODELLI DI SUSCETTIBILTÀ PER LA PR

La macroarea 2 o Val di Mazara ha una estensione di 5375.84 km2_{con una netta prevalenza}

di morfologie collinari su quelle pianeggianti e montane. La zona pianeggiante comprende la fascia litoranea che da Trapani arriva all’incirca a Campobello di Mazara con pendenze inferiori al 4%. La porzione di territorio montuosa, con acclività piuttosto accentuata, è

posta nella parte settentrionale dell’area e comprende buona parte dei monti Sicani. Una grande porzione del territorio è di tipo collinare, con pendenze comprese tra il 10% ed il 20% e si sviluppa sia su terreni calcarei che evaporitici, mentre la zona montana vera e pro- pria (oltre gli 800 metri) è costituita da terreni carbonatici caratterizzati da pareti rocciose a strapiombo. Abbastanza numerosi i rilievi oltre i 1000 metri come Monte Cammarata che con i suoi 1524 metri rappresenta la vetta più alta. Procedendo dalla costa verso l’interno si individuano una serie di terrazzi marini posti a diverse quote costituiti prevalentemente da terreni calcarei, calcareo-dolomitici e calcari marnosi di età compresa tra il Trias superiore e l’Olocene. La fascia centro-settentrionale, a sua volta, appare ricoperta da un complesso a comportamento incompetente costituito da argille, marne ed arenarie, con in- clusi elementi litoidi di varia natura e con età compresa fra il Cretaceo ed il Miocene. Nel settore centro-occidentale e centro-meridionale si riscontrano i terreni post-tortoniani con facies di regressione e con depositi evaporitici affioranti nei territori di Calatafimi, Salemi, Gibellina e S. Ninfa. L’assetto strutturale mostra la sovrapposizione tettonica verso sud e sud-ovest delle Unità Carbonatiche Panormidi su quelle Trapanesi. La rete idrografica è di tipo dendritica con bacini imbriferi di forma ampia e subcircolare nel settore settentrionale mentre in quello meridionale essa si presenta poco gerarchizzata con bacini di forma stretta e allungata. L’idrografia si è impostata per lo più su terreni argillosi che ricoprono circa il 34% dell’area, contro il 20% dei terreni carbonatici e dei terreni sabbioso-calcarenitici.

La carta di uso del suolo mostra la presenza di un’alta percentuale di terreni a colture permanenti (36%), a seminativi (26%) e di zone a vegetazione arbustiva e/o erbacea (14%).

Il dataset di frane a solo cinematismo lento interessa un’area di circa 46 km2 _{pari allo}

0.8% dell’intera macroarea ed è costituito da 489 corpi di frana. Questo è stato suddiviso in due dataset distinti, uno di training con 367 frane e uno di validation con 122 frane. Da questi due dataset sono stati estrapolati i pixel relativi alle zone di scarpata dove dei 58160 pixel relativi alle zone di nicchia, solo 39260 sono stati utilizzati per addestrare il modello. Anche in quest’area le procedure di validazione sono state condotte sull’intero dataset di frane a cinematismo lento e sono state effettuate incrociando le frane mappate con la previsione ottenuta tramite il modello di regressione logistica. Nelle tabelle tetracoriche seguenti sono riassunte le percentuali di area in frana correttamente classificata (VP), di area non in frana correttamente classificata (VN), di area in frana erroneamente classificata (FN) e di area non in frana erroneamente classificata (FP) sia sul dataset di training che sul dataset di validation. Nella tabella 10.4 relativa al solo set di training, si nota come per la

CAPITOLO 10. Analisi e validazione dei risultati

prima combinazione (Pendenza, Litologia e Uso del Suolo) il modello riesce a classificare correttamente il 73.03% di area effettivamente in frana e il 72.88% dell’area non in frana.

Numero Variabili

Tipo di Variabile Indipendente VP (%) VN (%) FN (%) FP (%) 3 Pendenza + Litologia + Uso del Suolo 73.03 72.88 27.12 26.78 4 Pendenza + Litologia + Uso del Suolo + Curve Number 74.61 72.33 27.67 25.39 5 Pendenza + Litologia + Uso del Suolo + Curve Number +

Indice di Anomalia Pluviometrica

74.62 74.40 25.60 25.38

Tabella 10.4: Tabella di Contingenza Previsto-Osservato sul dataset di training per la Macroarea 2

VP (Veri Positivi) aree previste instabili ed effettivamente osservate instabili; VN (Veri Negativi) aree previste stabili ed effettivamente osservate stabili; FN (Falsi Negativi) aree previste stabili ma osservate instabili; FP (Falsi Positivi) aree previste instabili ma osservate stabili.

A differenza della macroarea 1 in questo caso la percentuale cresce solo dell’1.58% quando nel calcolo viene inserita la quarta variabile (Curve Number), si passa quindi al 74.61% di classificazione corretta per l’area in frana, mentre la percentuale relativa all’area non in frana diminuisce leggermente passando al 72.33%. L’introduzione della quinta variabile (l’Indice di Anomalia Pluviometrica) non migliora la capacità predittiva delle aree in frana rimanendo sul 74.62% di classificazione corretta mentre la percentuale delle aree non in frana cresce sino al 74.40%.

Nella tabella 10.5 relativa al solo set di validation, si nota come per la prima combinazione (Pendenza, Litologia e Uso del Suolo) il modello riesce a classificare correttamente l’80.66% di area effettivamente in frana e il 72.82% dell’area non in frana.

Numero Variabili

Tipo di Variabile Indipendente VP (%) VN (%) FN (%) FP (%) 3 Pendenza + Litologia + Uso del Suolo 80.66 72.82 27.18 19.34 4 Pendenza + Litologia + Uso del Suolo + Curve Number 88.28 72.28 27.72 11.72 5 Pendenza + Litologia + Uso del Suolo + Curve Number +

Indice di Anomalia Pluviometrica

89.31 74.35 25.65 10.69

Tabella 10.5: Tabella di Contingenza Previsto-Osservato sul dataset di validation per la Macroarea 2

Figura 10.4: Curva di ROC calcolata sul dataset di training per la Macroarea 2

CAPITOLO 10. Analisi e validazione dei risultati

Le percentuali crescono vistosamente quando viene introdotta la quarta variabile (Cur- ve Number), passando all’88.28% di classificazione corretta per l’area in frana, mentre la percentuale relativa all’area non in frana diminuisce leggermente passando al 72.28%. L’introduzione della quinta variabile (l’Indice di Anomalia Pluviometrica) consente un miglio- ramento sia nel classificare le aree in frana che non in frana con percentuali che si attestano rispettivamente all’89.31% e al 74.35%.

Figura 10.6: Carta di suscettibilità della Macroarea 2 (Val di Mazara)

Per quanto riguarda la validazione secondo il metodo della curva di ROC, come si evin- ce nella figura 10.4 relativa al solo set di training, la curva che più si avvicina all’angolo superiore sinistro del diagramma e che sottende un’area maggiore è quella relativa al modello a cinque variabili; in questo caso i valori della curva sono uguali a 0.75, mentre per i modelli a tre e a quattro variabili il valore è leggermente inferiore, cioè 0.73. Per il dataset di validation (fig. 10.5) i valori più alti si hanno, anche in questo caso, con il modello a cinque variabili, pari a 0.82; mentre per i modelli a quattro e a tre variabili i valori calano

leggermente rispettivamente, essendo uguali a 0.80 e a 0.77. Nella figura 10.6 è mostrata la carta di suscettibilità per la macroarea 2 relativa al modello di regressione logistica a cinque variabili.

Nel documento APPLICAZIONI DI TECNICHE GIS E MODELLI DI SUSCETTIBILTÀ PER LA PREVISIONE DEL RISCHIO DA FRANA A SCALA REGIONALE (pagine 185-190)