Stima del danno agricolo indotto da frana

Per una stima del possibile danno prodotto dalle frane, sono state applicate due diverse valutazioni (vedi par. 3.2.6). La prima è basata essenzialmente sul danno attuale, inteso come la perdita di valore fondiario dovuto alle frane mappate nell’inventario fenomeni franosi IFFI. Una seconda valutazione è stata realizzata attraverso la realizzazione di una carta di propensione al dissesto (suscettibilità), con lo scopo di ottenere una possibile perdita di Valore Agricolo Medio (VAM) in termini di esposizione futura.

In un primo momento sono stati moltiplicati i VAM corrispondenti ad ogni classe di uso del suolo (vedi Tabella 3.2-2) per il layer delle frane a cui ad ogni stato di attività è stato associato un Indice di Danno (DI) con i valori espressi nella Tabella 3.2-3.

I risultati ottenuti sono stati sintetizzati nella Tabella 4.2-21, dalla cui analisi si evince che le perdite più alte in termini assoluti di valore monetario sono collegate alle aree descritte come seminativi in aree non irrigue, seguite dalle aree occupate da colture agraria con presenza di spazi naturali.

In termini percentuali, le aree che hanno una maggiore sofferenza sono quelle occupate da uliveti, caratterizzate da una perdita del proprio valore di circa il 43,40% che però nel complesso occupano solo una piccola porzione del territorio, pari a circa lo 0,38%. Secondariamente la classe che sembra soffrire di una discreta perdita in termini percentuali è quella delle aree a pascolo naturale. Nel complesso è stato stimato sulla base del modello da noi proposto che per la valutazione di un danno attuale, basato sulla mappatura ufficiale dei fenomeni franosi estratta dal database IFFI, il computo totale del deprezzamento (DV) è di 10.129.656 euro, con una percentuale di perdita totale pari al 16,60%. Questo fa sì che il valore Agricolo Reale (VAR) si ponga a 50.877.305 euro, da un iniziale valore totale (VAT) pari a 61.006.962 (vedi Tabella 4.2-21).

Il risultato ottenuto con la distribuzione di perdita al m2 è stato sintetizzato inoltre nella Figura 4.2-14 con valori di perdita compresi tra 0 a 1.72 euro al m2. Difatti per aree non soggette ad alcun fenomeno franoso non è stata riconosciuta nessuna perdita in termini di VAM; le maggiori perdite invece sono collegate a poche aree ricadenti nella classe degli uliveti caratterizzate da frane attive e dunque associate a perdite con un coefficiente di Damage Index pari a 1, e quindi pari al 100% della perdita (Tabella 3.2-3).

138

Tabella 4.2-21 Distribuzione delle classi di copertura del suolo, valori di VAM, VAT e DV e perdita in percentuale.

Classi di copertura del suolo

(Corine land cover 2006) Area in m

2 % occupate dalle varie classi sul totale dell'area Vam 2012 Valore Agricolo Totale (VAT) per ogni classe di uso del suolo

(€) Danno economico (DV) distribuito in ogni classe (€) % di perdita in ogni classe

Aree a pascolo naturale 5111880 6,16 0,37 1.891.400 731.842,59 38,69 Brughiere e cespuglieti 2682710 3,23 0,36 965.776 255.442,18 26,45 Aree occupate da colture agraria

con presenza di spazi naturali 16786400 20,22 0,95 15.947.100 3.453.782,63 21,66 Boschi 20496400 24,68 0,49 10.043.200 1.269.020,64 12,64 Seminativi in aree non irrigue 37642700 45,33 0,84 31.619.900 4.185.370,52 13,24

Uliveti 313713 0,38 1,72 539.586 234.198,07 43,40

Valore agricolo Totale (VAT) 61.006.962

Danno economico Agricolo (DV) 10.129.656 16,60

Valore agricolo Reale (VAR)=VAT-DV 50.877.305

139

La seconda parte del lavoro è consistita nel realizzare il calcolo della possibile perdita di Valore Agricolo Atteso (VAA) in termini di esposizione futura, in funzione delle classi di suscettibilità riconosciute nell'area, seguendo la matrice proposta in Tabella 3.2-4.

La mappa di suscettibilità calcolata attraverso il modello Weight of Evidence (WOFE), riportata in Figura 4.2-15, è stata interpolata in un primo momento con le sole frane esistenti (vedi Figura 3.2-11) al fine di riconoscere il valore di perdita dovuto a frane caratterizzate da uno specifico stato di attività. Successivamente, per aree non caratterizzate dalla presenza di frane si è tenuto conto solo della classe di suscettibilità in cui i vari terreni ricadono.

Figura 4.2-15 Mappa di suscettibilità realizzata con il metodo della Weight of Evidence (WOFE), diviso in quattro distinte classi di suscettibilità.

Nella Tabella 4.2-22 e nella Figura 4.2-16, sono riportati i valori delle perdite di valore di danno agricolo atteso (DEA) tendendo in considerazione anche la propensione al dissesto ottenuta mediante il modello di suscettibilità descritto. Dall'analisi dei dati si evince come le maggiori perdite in termini percentuali siano riferite alle aree a pascolo naturale e secondariamente alla classe degli uliveti. In termini assoluti le classi di copertura del suolo caratterizzate dai valori più alti di perdita sono invece le aree definite come seminativi in aree non irrigue e le aree occupate da coltura agraria con presenza di spazi naturali. In totale il danno

140

atteso in termini di propensione al dissesto è quantificato in 13.827.658 euro, che consiste in percentuale ad un valore pari al 22,66% dell'intera area.

Tabella 4.2-22 Distribuzione delle classi di copertura del suolo, valori di DEA, di VAA e perdita in percentuale attesa sulla base della suscettibilità da frana.

Classi di copertura del suolo (Corine land cover 2006)

Valore Agricolo Totale (VAT) per ogni classe di

uso del suolo (€)

Danno economico Atteso (DEA) distribuito in ogni

classe (€) % di perdita

Aree a pascolo naturale 1.891.400 819.802 43,34

Brughiere e cespuglieti 965.776 308.750 31,97

Aree occupate da colture agraria con

presenza di spazi naturali 15.947.100 3.992.204 25,03

Boschi 10.043.200 1.975.661 19,67

Seminativi in aree non irrigue 31.619.900 6.539.702 20,68

Uliveti 539.586 191.539 35,50

Valore agricolo Totale (VAT) 61.006.962

Danno economico Atteso (DEA) 13.827.658 22,66

Valore agricolo Atteso (VAA)=VAT-DEA 47.179.304

Figura 4.2-16 Mappa del danno agricolo atteso (DEA) espresso in euro/mq.

Dalle analisi e dal confronto numerico delle Tabella 4.2-21 e Tabella 4.2-22, si evince come considerando l'analisi di suscettibilità e i vari indici esperti utilizzati, il valore agricolo totale atteso (VAA) abbia una percentuale di perdita maggiore del 6% rispetto al valore del danno

141

agricolo reale (VAR), che tiene invece in considerazione i soli fenomeni franosi mappati dall'inventario IFFI. Le differenze maggiori si possono riscontrare nella classe definita come aree seminative non irrigue, in cui vi è una perdita economica reale (DI) pari 4.185.371 euro, che passa a 6.539.702 euro se si tiene in considerazione il danno atteso derivato dal considerare anche la propensione futura del terreno alla franosità. Subordinatamente, l'altra classe caratterizzata dalle variazioni maggiori tra il danno calcolato con le due differenti metodologie è quella descritta come area occupata da coltura agraria con presenza di spazi naturali, le cui perdite passano da 3.453.783 a 3.992.204 euro.

Le analisi svolte mirano a dare una prima parziale applicazione di una metodologia valutativa di tipo expert based, attraverso l’integrazione di tecnologie GIS e procedure estimative in grado di consentire un’analisi spaziale relativa alla quantificazione del danno economico causato dalle frane, sia per quelle già occorse che in termini di propensione al dissesto futuro, in un contesto di bacino rurale la cui economia è improntata principalmente sull'agricoltura.

Inoltre l'integrazione di una metodologia, in grado di valutare anche la propensione al dissesto come termine di possibile svalutazione, può rappresentare un efficace aiuto in termini di gestione del territorio. Difatti l'ammontare del danno e la caratterizzazione del danno atteso in termini di propensione al dissesto può rendere possibile una migliore pianificazione degli interventi pubblici, basata su una scala di priorità, utile anche a pianificare le politiche di prevenzione sulla base del rischio e della magnitudine del danno.

142

5 Le soglie pluviometriche

Come descritto nei capitoli precedenti, nel corso del II anno di dottorato, l'attività di ricerca si è arricchita di una collaborazione con il CNR-IRPI della sede di Bari. Obiettivo di questa collaborazione è stata la identificazione di soglie pluviometriche per valutare il ruolo delle precipitazioni come fattore d’innesco di fenomeni franosi (Guzzetti et al., 2007, 2008), attraverso la raccolta e l'elaborazione delle segnalazioni di eventi di frane avvenute in concomitanza di eventi pluviometrici nel territorio Pugliese, e più specificatamente nella provincia di Foggia, il settore regionale a maggiore suscettibilità da frana.

Vista la vicinanza geografica e le simili caratteristiche morfologiche, geografiche e climatiche dei settori collinari e montani appartenenti alla provincia foggiana, con i confinanti settori molisani (vedi par. 2.2), si è cercato dunque di creare una soglia pluviometrica comune per tutto il territorio (Puglia-Molise), applicabile dunque anche nell'area oggetto di studio del presente progetto di ricerca di dottorato.

Più specificatamente, per la regione Molise sono stati presi in considerazioni solo gli eventi localizzati nella provincia di Campobasso, essendo le caratteristiche geologiche, geomorfologiche e ambientali di tale zona molto simili a quelle del Sub-Appennino Dauno.

Per la Puglia, alcuni dati sono stati recuperati anche dall'area Garganica, che seppur non presentando caratteri geologici e geomorfologici simili al Sub-Appennino Dauno e al territorio della provincia di Campobasso, essendo occupato quasi interamente da complessi litologici carbonatici (sedimenti di piattaforma che variano da calcari tipo scaglia a calcari oolitici), risulta essere in continuità geografica con il territorio molisano. L'unione delle diverse aree ha consentito di raccogliere, un numero maggiore di dati utili al calcolo delle suddette soglie pluviometriche, con un miglioramento dell'attendibilità statistica dell'analisi (vedi paragrafi successivi).

La costruzione di soglie pluviometriche può rappresentare un importante supporto per le autorità coinvolte nella gestione del rischio da frana in Molise (quali ad esempio Protezione Civile ed Autorità di Bacino), contribuendo ad integrare la conoscenza del territorio con informazioni al momento non disponibili in regione. Tali dati potrebbero a loro volta aiutare a sviluppare un sistema di allerta per frane indotte da eventi pluviometrici.

Le soglie pluviometriche possono infatti essere usate all’interno di un early warning system (Rossi et al., 2012; Thiebes et al., 2012; Segoni et al., 2014a; Calvello et al., 2015). Ad esempio in Rossi et al. (2012) viene descritto come a seguito della richiesta del Dipartimento Nazionale di Protezione Civile (DPC) al CNR-IRPI (Istituto di Ricerca per la Protezione Idrogeologica), di

143

creare e implementare un sistema di early warning system in grado di prevedere la possibile occorrenza di frane pluvio-indotte in Italia, sia stato sviluppato il metodo nominato SANF (Sistema di Allertamento Nazionale da Frane pluvio-indotte).

Quella proposta da Cannon e Hellen (1985) per la Baia di San Francisco, fu la prima soglia pluviometrica empirica implementata in un sistema di allertamento real-time che è stata successivamente descritta in Keefer et al. (1987) (Franceschini, 2012).

Un altro esempio di integrazioni di soglie pluviometriche in un sistema di allertamento regionale è stato realizzato nella regione Emilia Romagna, dove dal 2004 un gruppo di ricerca dell’Università di Firenze ha sviluppato il Modello SIGMA (Sistema Integrato Gestione Monitoraggio Allerta), più volte modificato negli anni più recenti (Martelloni et al., 2012; Lagomarsino et al., 2013), al fine di andare incontro alle necessità della Protezione Civile Regionale in merito alla gestione della pericolosità da frana con un singolo strumento (Segoni et al., 2015). Per definire la soglia il modello utilizzato, trascura i processi fisici che intergiscono tra i fenomeni franosi e l'evento di pioggia innescante, basandosi su un approccio di tipo statistico definito "black box" (Franceshini, 2012).

Nell'ambito dello sviluppo delle sopracitate soglie pluviometriche, una parte fondamentale che richiede un elevato sforzo in termini di tempo, è la validazione di un metodo statistico quanto più oggettivo possibile per l'identificazione delle condizioni pluviometriche che hanno determinato l’innesco franoso. Da un'attenta analisi bibliografica difatti, l'identificazione di tali condizioni risulta essere uno dei principali problemi nella definizione di soglie pluviometriche, in quanto la scelta del quantitativo di pioggia innescante viene spesso effettuata con procedure che risentono di un elevato grado di soggettività (Segoni et al., 2014a,b; Vessia et al., 2014; Melillo et al., 2014). Ciò significa che l'affidabilità dei risultati è strettamente correlata e condizionata dalla qualità e dalla disponibilità dei dati input (vedi par. 5.3).