Il telerilevamento radar da satellite:
applicazioni al monitoraggio di eventi
idrogeologici e sviluppi futuri
Relazione finale sulle attività formative e di ricerca
Dottorato Regionale in Scienze della Terra
XXX ciclo
Introduzione
Il progetto di dottorato è stato impostato sullo sviluppo di metodiche per l’analisi di dati radar satellitari ai fini di monitoraggio e mappatura di fenomeni idrogeologici quali le frane e la subsidenza, sia a scala regionale che a scala di dettaglio.
Il lavoro di tre anni ha previsto la definizione di procedure multi-scala basate su dati satellitari SAR (Radar ad Apertura Sintetica) nell’ambito di tre casi di studio, nazionali ed europei, caratterizzati da ambienti geologici e geomorfologici diversi e interessati da geohazards differenti.
I tre casi di studi dei quali è composto il progetto di dottorato costituiscono un esempio, sebbene riferito a diversi ambienti e processi geologici, per uno schema di lavoro da essere usato avendo a disposizione dati satellitari di diversa natura per poter scalare l’attività dal piano regionale a quello di dettaglio
L’idea è quindi quella di partire da un dataset composto da milioni di punti e riconoscere, attraverso soluzioni automatiche e semi-automatiche, quelle aree che presentano le deformazioni di entità maggiore. Il passo successivo è quello di valutare l’impatto di tali movimenti sulle strutture e infrastrutture del territorio in esame con una metodologia semplice e facilmente ripetibile. Infine, l’obiettivo da raggiungere è quello di costruire una “lista di priorità” per poter decidere e quindi caratterizzare in dettaglio quelle aree con il maggior impatto sulla popolazione, in accordo con gli Enti Locali e le autorità di Protezione Civile nazionale e locale. Queste aree andranno ad essere caratterizzate in dettaglio con un approccio che utilizzi dati da piattaforme satellitari diverse e dati di sottosuolo.
Attività svolta durante il primo anno
Il primo anno del progetto di dottorato si è sviluppato interamente nell’ambito dell’iniziativa congiunta (Joint Announcement of Opportunity) tra Agenzia Spaziale Italiana (ASI) e Canadese (CSA) atta a promuovere l’utilizzo dei dati delle missioni COSMO-Skymed e RADARSAT-2. Suddetta call, nota come COSMO – Skymed/RADARSAT-2 initiative, ha lo scopo di stimolare l’utilizzo combinato dei dati delle missioni COSMO-Skymed e RADARSAT-2 favorendo lo studio di sinergie tra sensori in banda X e in banda C per attività di ricerca e sviluppo su algoritmi, metodi e applicazioni.
Il progetto vede la collaborazione tra il Dipartimento di Scienze della Terra di Firenze (DST – UNIFI), per quanto riguarda la parte di interpretazione del dato, e l’Istituto per il Rilevamento Elettromagnetico dell’Ambiente (IREA), per l’elaborazione dei dati radar COSMO-Skymed e RADARSAT-2. L’obiettivo primario della collaborazione è quello di investigare le cause e l’evoluzione dei fenomeni di subsidenza nelle pianure costiere della Toscana e specificatamente dell’area deltizia dell’Arno, le cui cause non sono mai state analizzate e monitorate in maniera sistematica e continua.
L’area indagata ricade all’interno del territorio comunale della città di Pisa, la cui stratigrafia, ben nota in letteratura, è rappresentata da una sequenza di tipo alluvionale impostata all’interno della valle fluviale scavata dal percorso del paleo – Arno in seguito all’ultimo massimo glaciale (Amorosi et al., 2013). La porzione olocenica di tale successione, con spessore di 25 – 30 m, è caratterizzata alla base dalla presenza di due livelli argillosi e argilloso - organici fortemente compressibili, di cui il più profondo è rappresentato dal così detto “pancone”. Al di sopra di essi sono presenti spessori variabili di ghiaie, sabbie sature da medie a molto fini o limose e limi sabbiosi con al tetto argille gialle compatte con orizzonti induriti pedogenizzati.
Per analizzare in maniera costante gli abbassamenti del suolo della piana di Pisa è stato scelto di utilizzare dati relativi ai satelliti COSMO – Skymed e RARDARSAT-2 analizzati per mezzo dell’algoritmo SBAS (Small Baseline Subset) applicato a 59 immagini (29 per COSMO – Skymed e 30 per RADARSAT – 2) acquisite da ottobre 2011 sino a maggio 2014. L’algoritmo di analisi SBAS permette di processare lunghe serie di immagini radar al fine di studiare fenomeni sia a larga scala (Berardino et al., 2002) sia a scala locale (Lanari et al., 2004). Le immagini SAR che l’algoritmo SBAS sceglie per essere successivamente correlate tra loro, sono caratterizzate dalla minor distanza spaziale e temporale possibile; ciò consente di ottenere misure con
precisione millimetrica grazie alla riduzione degli effetti atmosferici e topografici intrinsechi nel dato SAR grezzo. Il contemporaneo utilizzo di un sensore in banda C (RADARSAT-2) e uno in banda X (COSMO-Skymed) permetterà inoltre di confrontare i risultati ottenuti per valutare le loro differenze di precisione sia spaziale che numerica e quindi determinarne le potenzialità e i limiti nel contesto scelto.
Il lavoro del primo anno di dottorato ha previsto la raccolta di tutti i file ancillari necessari allo svolgimento del progetto; in particolare sono stati analizzati e riclassificati più di 100 sondaggi a carotaggio continuo disponibili attraverso il database di sondaggi della Provincia di Pisa. Tale riclassificazione si è basata su cinque classi litostratigrafiche – geotecniche che permettessero di semplificare la stratigrafia della piana in macro settori con caratteristiche simili dal punto di vista del processo di consolidazione atteso rispetto ad un carico applicato. Le unità 1 e 2 sono da considerarsi come molto compressibili, le unità 4 e 5 come poco compressibili mentre l’unità 3 ha comportamento intermedio con suscettibilità al cedimento più o meno elevata a seconda del suo grado di saturazione.
Sono stati anche analizzati dati acquisiti dai sistemi ERS 1/2 e Envisat (68 e 37 immagini rispettivamente) per comporre le serie storiche di deformazione precedenti ai dataset COSMO – Skymed e RARDARSAT-2. Le serie storiche di deformazione rappresentano la variazione, crescente-decrescente-stabile, degli spostamenti misurati dal sensore ai vari tempi di acquisizione; esse sono fondamentali per distinguere cambiamenti di trend indice di accelerazioni o decelerazioni nella deformazione in atto. In questo caso la serie temporale che verrà costruita avrà come anno di partenza il 1992, con un solo periodo di assenza del dato all’interno dell’acquisizione del satellite ERS 1/2.
I dati ERS 1/2 e Envisat, ottenibili attraverso il portale del Piano Straordinario di Telerilevamento (PST), sono stati analizzati per mezzo dell’algoritmo PSInSAR e sono disponibili in maniera gratuita sull’intero territorio nazionale. L’algoritmo PSInSAR permette, come peraltro l’algoritmo SBAS, di registrare deformazioni al suolo nell’ordine del millimetro. Rispetto all’algoritmo SBAS, nel quale l’informazione di spostamento viene ricavata da un’area di piccole dimensioni (10x10 m), l’algoritmo PSInSAR prevede un dato più puntuale. Esso consente di ricavare da target con firma elettromagnetica stabile, chiamati Permanent Scatterers (PS), gli spostamenti del suolo alle varie acquisizioni del sensore.
La fase successiva del progetto di ricerca è stata quella di scegliere alcune aree indice di fenomeni di subsidenza areali e localizzati su singoli o gruppi di edifici e analizzarle in maniera esaustiva, attraverso la comparazione tra informazione stratigrafica di sondaggio e serie storiche di spostamento dei punti PS presenti. Sono state analizzate approfonditamente due aree principali: i quartieri di La Fontina – San Cataldo – Cisanello nella parte nordorientale della città e il distretto industriale - commerciale di Ospedaletto nella parte sudorientale di Pisa. Dal punto di vista stratigrafico, le velocità di abbassamento maggiori sono registrate dagli edifici al di sotto dei quali è presente la sequenza con le più elevate potenzialità di subsidenza possibile: i due livelli più compressibili (Unità 1 e 2) con spessori maggiori di 10 m, al di sopra dei quali è presente un livello argilloso poco compressibile (Unità 4) saltuariamente intercalato da limi saturi afferenti all’Unità 3.
L’analisi dei dati interferometrici ha inoltre permesso di mettere in luce come gli edifici con le velocità di abbassamento maggiori siano quelli che, a parità di stratigrafia, presentano un’età di edificazione più recente (stimata sulla base di fotointerpretazione tra il 1978 e il 2013). In entrambe le aree di interesse è evidente un trend di aumento a seconda dell’età di edificazione, considerando una stratigrafia grossomodo costante soprattutto per i livelli più compressibili. Eventuali spostamenti notevolmente differenti tra due edifici dello stesso range di età è da attribuirsi al carico trasmesso al suolo dall’edificio o alla qualità costruttiva delle opere di fondazione degli edifici. Anche il fattore stratigrafico gioca un ruolo importante nelle differenze di movimento registrato; infatti la presenza di livelli meno compressibili nella sequenza può modificare in meglio la risposta dell’edificio al fenomeno di consolidazione (Solari et al., 2016, 2017).
L’approccio proposto per la città di Pisa rappresenta il primo stadio, a scala di dettaglio, per la definizione di una metodologia di utilizzo multi-scala e multi-hazard dei dati interferometrici satellitari.
Attività svolta durante il secondo anno
L’attività svolta durante il secondo anno del Dottorato di Ricerca in Scienze della Terra – xxx Ciclo si è svolta su due binari paralleli ma complementari tra di loro:
prosecuzione del lavoro di analisi dei dati interferometrici satellitari riguardanti l’area urbana della città di Pisa all’interno della Joint Announcement of Opportunity per l’utilizzo di dati provenienti dal sensore canadese RADARSAT-2 e dal sensore italiano Cosmo-SkyMed;
partecipazione attiva all’interno del progetto europeo SAFETY (Sentinel for Geohazards regional monitoring and forecasting) per l’utilizzo di dati interferometrici satellitari di ultima generazione (Sentinel-1). In questo contesto, durante il periodo di studio presso il CTTC (Centre Tecnològic y Telecomunicacions de Catalunya), ho partecipato direttamente alla fase di processing pre-analisi del dato satellitare grezzo.
Per quanto riguarda il primo punto, il lavoro si è in basato su quanto svolto durante il primo anno di dottorato in cui erano state definite le problematiche legate agli abbassamenti del suolo nella città di Pisa attraverso l’uso di sensori in banda C, ERS 1/2 ed Envisat (Solari et al., 2016). Durante il secondo anno sono stati invece elaborati i risultati dell’analisi SBAS (Small Baseline Subset) relativi ai satelliti di nuova generazione RADARSAT-2 e Cosmo-SkyMed, rispettivamente in banda C (λ=5.5 cm) e in banda X (λ=3.12 cm).
L’algoritmo SBAS è stato sviluppato dall’ Istituto per il Rilevamento Elettromagnetico dell’Ambiente (IREA) di Napoli a partire dal 2004 (Berardino et al., 2002). La caratteristica primaria di questa tecnica è quella di selezionare immagini SAR (Syntethic Aperture Radar) da coregistrare tra loro con la minor distanza spaziale e temporale possibile (small baseline); ciò consente di ottenere misure con precisione millimetrica grazie alla riduzione degli effetti atmosferici e topografici intrinsechi nel dato SAR grezzo. I prodotti ottenuti con questo metodo sono, quindi, caratterizzati da un’elevata densità spaziale di punti monitorabili, i quali presentano un’accuratezza di circa 1 mm/anno sulle misure di velocità media di deformazione e di circa 5 mm sulle misure di deformazione (Casu et al., 2006). Altra particolarità dell’algoritmo SBAS è quella di poter ottenere risultati a due scale diverse: a media risoluzione (risoluzione al suolo di circa 100x100m) e a piena risoluzione (risoluzione al suolo di circa 10x10m). Nel caso in esame i dati sono stati elaborati ad entrambe le risoluzioni, la prima per ottenere una visione di insieme dell’intera piana costiera dell’Arno, la seconda per poter analizzare l’area urbana di Pisa a scala di edificio.
La nuova generazione di sensori in banda C e X ha svolto un ruolo cruciale nel confermare le deformazioni già registrate dai dati precedenti, valutare le variazioni temporali nei trend di spostamento e, soprattutto, individuare nuove aree con deformazioni in atto nelle zone di espansione urbanistica della città. Ciò si realizza in alcuni settori della parte settentrionale dei quartieri di La Fontina e San Cataldo e nell’area commerciale a Ovest dell’Aeroporto Internazionale Galileo Galilei. La nuova residenza universitaria “I Praticelli” ne costituisce un esempio; infatti, sia i dati RADARSAT-2 che i dati Cosmo-SkyMed hanno mostrato come vi sia un abbassamento della struttura nei 3 anni di monitoraggio con velocità di spostamento rispettivamente pari a -13.3 mm/anno e -14.1 mm/anno. Le deformazioni registrate sono coerenti con i cedimenti generati dalla fase di consolidazione primaria conseguente all’applicazione recente del carico indotto dall’edificio al di sopra di uno o più livelli compressibili (Terzaghi and Peck, 1967), che, come nel caso in oggetto, sono presenti ad una profondità di circa 5 m al di sotto del piano campagna.
Passando ad un secondo esempio, il complesso del CNR di Pisa costituisce un test perfetto per l’integrazione dei dati interferometrici preesistenti con i prodotti relativi ai nuovi sensori. Infatti, questa struttura occupante quasi 30000 m2 ed edificata sul finire degli anni ottanta, è il bersaglio perfetto per un’analisi di dettaglio basata su dati satellitari, disponendo di informazioni sin dal 1992. La serie storica di deformazione mostra chiaramente come vi sia un netto rallentamento della subsidenza in atto, con velocità che si dimezzano passando dai 13.4 mm/anno del periodo coperto da ERS 1/2 (1992-2000) ai 6 mm/anno di RADARSAT-2 (2011-2014). Le velocità del più recente sensore in banda C sono confermate anche dalle acquisizioni di Cosmo-SkyMed.
Parte integrante del lavoro è stata anche la comparazione tra i prodotti interferometrici in banda C e quelli in banda X, a parità di algoritmo di analisi. Il risultato maggiormente evidente è il notevole aumento del numero di punti misura per edificio, da 5 a 10 volte maggiore nel caso dei dati in banda X ad alta risoluzione; ad esempio l’edificio del CNR è coperto da circa 400 punti misura RADARSAT-2 e circa 3000 considerando Cosmo-SkyMed. Questa evidenza costituisce una forte ridondanza di informazioni che vanno a rafforzare e a influire positivamente sulla qualità della serie storica di spostamento.
Il secondo filone di ricerca ha previsto di lavorare attivamente all’interno del team italo-spagnolo responsabile del progetto europeo SAFETY. Costituito da una collaborazione tra università, enti di ricerca e servizi di protezione civile, vuole fornire informazioni utili nella gestione del rischio idrogeologico alle entità di protezione civile attraverso l’uso di immagini radar del sensore europeo Sentinel-1. Due test site con caratteristiche diverse ma accomunati da un elevato rischio frana sono stati scelti: il Comune di Volterra, test site italiano e le tre principali isole dell’Arcipelago delle Canarie in Spagna. In particolare, la mia attività ha previsto di elaborare attraverso la processing chain (PSIG software) sviluppata al CTTC di Barcellona (Monserrat et al., 2016) i dati SAR grezzi relativi al Comune di Volterra.
Il dataset analizzato è costituito da 19 immagini SAR, che coprono il periodo tra il 15 giugno 2015 e il 25 gennaio 2016; le immagini sono state acquisite in orbita ascendente con un tempo di rivisitazione di 12 giorni e una risoluzione a terra di 14x4 m e un angolo di vista di 36°-41°.
Il primo stadio della procedura prevede di selezionare la cosiddetta Super Master (SM), usualmente la prima immagine o una delle immagini con la più alta coerenza di segnale, che verrà presa come punto di riferimento per tutte le elaborazioni successive. A questo punto la SM viene calibrata geometricamente con il modello digitale del terreno (in questo caso un DEM a 10 m di risoluzione) in modo tale che anch’esso sia proiettato in coordinate radar (range ed azimuth). In seguito, tutte le rimanenti immagini (“slave”) vengono coregistrate rispetto alla SM, in modo da ottenere uno stack di immagini con le medesime coordinate.
Il secondo stadio prevede la formazione degli interferogrammi, ossia il calcolo della differenza di fase tra due immagini successive. La fase ottenuta in questo modo ha al suo interno non soltanto il contributo relativo alla deformazione di un punto ma anche diversi errori intrinsechi nel segnale, che vanno successivamente eliminati o minimizzati. È il caso ad esempio dei contributi dovuti all’errore atmosferico e a quello topografico, il primo viene eliminato con una procedura ad hoc, mentre il secondo viene limitato fortemente dalla corretta calibrazione geometrica del DEM. Il contributo dovuto al rumore di fondo del segnale viene invece limitato utilizzando solo interferogrammi a 12 giorni ad alta la coerenza. Gli interferogrammi generati hanno una variazione di fase compresa tra -2π e 2π che non è di facile lettura; per ottenere un’indicazione numerica della deformazione è necessario lo srotolamento della fase (phase unwrapping) che permette di trasformare la variazione di fase in un numero in radianti. Tale processo viene portato avanti per ogni interferogramma con uno specifico programma che prevede di impostare una soglia di coerenza necessaria a selezionare i punti sui quali lanciare l’elaborazione. Tale soglia, fortemente dipendente dalle caratteristiche di riflettività dell’area osservata, non deve essere troppo alta, caso in cui si avrebbero troppi pochi punti, né troppo bassa, cosa che porterebbe ad avere punti molto rumorosi. Nel caso in esame la soglia è stata fissata a 0.4 per gli interferogrammi a più alta coerenza e a 0.35 per i restanti.
La fase finale del processo, la quale è anche quella più iterativa, essendo dipendente dalla qualità del risultato, è l’integrazione diretta dei risultati di ogni singolo interferogramma per i punti estratti nella fase di phase unwrapping. Il risultato è un insieme di punti, i quali devono essere presenti nel circa 75% degli interferogrammi, caratterizzati da una serie di deformazione e un valore di spostamento cumulato. Il risultato è però tuttora inficiato dall’errore atmosferico. Per eliminare quest’ultimo viene utilizzato un filtro che agisce nel dominio delle frequenze per eliminare le basse frequenze tipiche della componente del segnale legata all’atmosfera, la quale produce artefatti a larga scala ma con bassa variazione temporale. Rimosso il contributo atmosferico, una nuova integrazione diretta viene eseguita, ora su di un dato le cui variazioni di fase sono in massima parte legate a spostamenti.
Infine la mappa di deformazione in coordinate radar viene convertita in coordinate geografiche per essere utilizzata in una piattaforma GIS. L’output ottenibile è quindi uno shapefile puntuale contenente sia l’informazione di spostamento ad ogni acquisizione sia una stima della velocità annuale e un parametro di qualità del dato (deviazione standard).
L’output ottenuto è costituito da un insieme di 11100 punti che coprono un’area di 253 km2; la densità di punti è dipendente dalle limitazioni intrinseche della metodologia, non potendo ottenere dati dalle aree boscate. È altresì vero che i dati Sentinel-1 permettono di ottenere informazioni anche dove non era precedentemente possibile per merito del breve tempo di rivisitazione che consente di non perdere eccessivamente coerenza nelle aree agricole. Il risultato ottenuto presenta alcune limitazioni dovute alla brevità della serie considerata; infatti i 7 mesi di acquisizione possono non consentire di discriminare un movimento reale di minima entità da un artefatto dovuto a errori residuali che non è stato possibile eliminare. Per questo motivo la deviazione standard del dato è pari a 10 mm, valore che viene anche considerato come soglia di stabilità nella definizione dei movimenti attivi o non. Con i successivi aggiornamenti e con l’aggiunta di nuove immagini questa soglia verrà abbassata, potendo inoltre utilizzare un maggior numero di punti vista la possibilità di discriminare tra deformazioni reali e non.
I risultati mostrano una generale stabilità del territorio del Comune di Volterra nel periodo di monitoraggio, non evidenziando grosse variazioni nello stato di attività dei fenomeni franosi precedentemente mappati, né mostrando nuovi movimenti legati a fenomeni di versante. Ciò è coerente con un periodo in cui non sono state registrate piogge particolarmente intense le quali costituiscono l’innesco di fenomeni franosi che in quest’area sono poco profondi ed essenzialmente legati ad esse.
I risultati ottenuti dall’applicazione dell’algoritmo specifico per l’analisi di dati Sentinel-1 verranno utilizzati durante il terzo anno per sviluppare, in un caso di studio a più piccola scala, una procedura di analisi di impatto di fenomeno idrogeologici, mappati attraverso i dati interferometrici, sulle strutture dell’area selezionata.
Attività svolta durante il terzo anno
Durante il periodo di ricerca estero presso il CTTC (Centre Tecnologic de Telecomunicacion de Catalunya) e presso l’IGME (Instituto Geologico y Minero de Espana), sono state poste le basi per lo sviluppo di una procedura a scala regionale per la definizione di mappe di impatto di fenomeni idrogeologici rivelati da satellite. Tale procedura, sviluppata nell’ambito del progetto europeo SAFETY (Sentinel for Geohazard Prevention and Forecasting), è stata dapprima impostata su di un caso a scala di bacino (Volterra) e in seguito ampliata e perfezionata su di un sito a scala regionale. Esso ha come casi di studio tre delle isole principali dell’Arcipelago delle Canarie: Gran Canaria, La Gomera e Tenerife. Essa è finalizzata all’uso di dati interferometrici derivati dall’ultima generazione di satelliti in banda C Sentinel-1 (A & B). La costellazione Sentinel-1, lanciata in orbita a partire da ottobre 2014 (1A) e aprile 2015 (1B), permette di avere risoluzione temporale e spaziale mai raggiunta prima dai satelliti operanti in banda analoga. È possibile infatti avere a disposizione un’immagine SAR (Synthetic Aperture Radar) ogni 6 giorni sulla stessa area con una risoluzione a terra di 14x4 m.
La metodologia sviluppata mira a definire un modo per poter utilizzare in maniera veloce, affidabile e ripetibile la grande mole di dati che deriva dall’analisi PSI (Persistent Scatterer Interferometry) dei dati Sentinel-1 su scala regionale. Ciò viene fatto attraverso la definizione di aree di deformazione attiva (ADA) legate a fenomeni idrogeologici (frane e subsidenza) o vulcanici che interessano le strutture e infrastrutture primarie e secondarie di un territorio. Tale operazione prende il nome di analisi di impatto; nel caso specifico, essa viene prodotta attraverso una metodologia, nominata VEAM (Vulnerable Elements Activity Map), la quale rappresenta un prodotto specificatamente ideato per il suo utilizzo da parte delle autorità di Protezione Civile europee e per la sua implementazione nelle procedure di gestione e riduzione del rischio. La VEAM indica in una maniera semplice e intellegibile dove e con che intensità un certo fenomeno
idrogeologico, monitorabile da satellite, interessa un’unità territoriale (intesa come comune o distretto) e gli elementi a rischio (strutture e infrastrutture) in essa contenuti.
La metodologia per la definizione di fenomeni attivi prevede tre fasi parallele che convergono per poter generare il prodotto finale (Mappa VEAM): 1)analisi della mappa di deformazione derivata dai dati Sentinel-1 per la definizione delle Aree di Deformazione Attiva (ADA); 2) creazione di Mappe di Attività (Geohazard Activity Maps – GAM, in inglese) dei fenomeni in atto nel territorio in esame; 3) classificazione del catalogo degli elementi a rischio sulla base del loro valore di Vulnerabilità Strategica (SV) all’interno delle tre fasi di Protezione Civile (Prevenzione, Emergenza e Ristoro).
La mappa di impatto finale è il prodotto dell’intersezione tra i tre prodotti intermedi. Tutto il sistema è gestito in ambiente GIS utilizzando tools base in modo tale da consentire la più alta riproducibilità possibile del metodo.
In particolare, un’ADA è definita sulla base di un processo di estrazione automatica che permette di definire una “legge di aggregazione” per poter assimilare in un’unica area tutti quei PS (Persistent Scatterers) con velocità simili, quindi ipoteticamente riferibili allo stesso fenomeno, all’interno di un certo raggio di ricerca. La procedura è il raffinamento delle metodologie proposte da Bianchini et al. (2012); Herrera et al. (2013) e Notti et al. (2014). Ogni ADA è caratterizzata da un valore di velocità media e da un indice di qualità (IQ). Questo indice permette, in maniera quantitativa, di stimarne l’affidabilità sulla base di un indice di rumore temporale e uno spaziale (Barra et al., 2017).
La classificazione degli elementi a rischio si basa, come detto in precedenza, sulla valutazione della Vulnerabilità Strategica di ogni elemento all’interno delle tre fasi di Protezione civile. Il valore di SV viene definito sulla base delle norme Europee e delle Nazioni Unite (UNISDR - United Nations Office for Disaster Risk Reduction) e sulla base di una valutazione qualitativa sull’uso, sulla presenza di persone, sula valore economico, politico e artistico delle strutture e infrastrutture.
Una caratteristica importante della metodologia è la sua scalabilità e versatilità su diversi ambienti e su diversi fenomeni geologici, a patto che essi possano essere misurati mediante interferometria da satellite. Il prodotto finale della procedura è pensato per ridurre il tempo necessario ad analizzare in maniera completa un dataset interferometrico che, come nel caso in esame, può raggiungere il milione di punti misura. Esso permette di avere indicazioni su quali aree sono in movimento nel territorio in esame e quindi procedere, conoscendo anche la tipologia di edificio o infrastruttura coinvolta dal fenomeno, a pianificare una campagna di validazione a terra e quindi anche le potenziali misure di prevenzione e riduzione del rischio da mettere in atto.
Durante il terzo anno di dottorato parte dell’attività di ricerca si è svolta nell’ambito di un progetto congiunto, tutt’ora in atto ed in evoluzione, tra Regione Toscana e il Dipartimento di Scienze della Terra dell’Università di Firenze per il monitoraggio in continuo delle deformazioni del suolo mediante dati interferometrici Sentinel-1. L’obiettivo generale dell'attività riguarda il monitoraggio geomorfologico in continuo dello scenario deformativo del territorio della Regione Toscana tramite dati radar interferometrici satellitari. Tale approccio di monitoraggio è finalizzato ad aggiornare in modo dinamico e continuo il quadro conoscitivo del territorio regionale per il rischio idrogeologico e geomorfologico, e a rilevare tempestivamente situazioni di criticità basate sull’individuazione di anomalie. L’osservazione diretta, quantitativa e continua delle deformazioni del terreno con frequenza di aggiornamento dei dati inferiore al mese costituisce uno strumento operativo “in tempo reale” di studio e monitoraggio in continuo degli scenari deformativi indotti da fenomeni idrogeologici, ai sensi della Direttiva 27/02/2004 (Indirizzi operativi per la gestione organizzativa e funzionale del sistema di allertamento nazionale e regionale per il rischio idrogeologico ed idraulico ai fini di protezione civile).
Il sistema proposto comprende una duplice attività:
Mappatura e analisi a ritroso (PS Mapping and back-analysis) delle aree interessate da deformazioni pregresse, inteso come prodotto “in tempo differito” ai sensi della Direttiva 27/02/2004;
Monitoraggio mediante la sistematica individuazione di aree con punti misura (PS Monitoring) che mostrano “anomalie” di movimento, quali variazioni repentine o accelerazioni del movimento. Prodotto inteso come servizio e strumento operativo “in tempo reale”, ai sensi della Direttiva 27/02/2004, in quanto fornisce l’osservazione diretta, quantitativa e continua delle deformazioni del terreno generata dal continuo aggiornamento dei dati satellitari con frequenza inferiore al mese, ovvero ogni 6 giorni, su tutto il territorio di interesse.
L’attività di PS Mapping, eseguita all’inizio del progetto sul dato “storico” dicembre 2014 – febbraio 2017, prevede di individuare le aree interessate da più alta deformazione all'interno del territorio regionale toscano mediante un ricampionamento dei punti di misura disponibili per tutta la Regione nei dataset ascendente e discendente. Nello specifico è stata definita una soglia di velocità pari a ± 10 mm/anno, per cui tutti i punti di misura ricadenti all'interno di tale intervallo di velocità sono stati eliminati, al fine di evidenziare meglio quelle aree che sono interessate da deformazioni significative. Per la delimitazione delle aree caratterizzate da velocità maggiori di 10 mm/anno in valore assoluto è stata adottata una procedura semi-automatica. Tale procedura prevede la creazione di un buffer circolare intorno ad ogni PS avente un diametro di 100 m. I buffer circolari sovrapposti sono stati fusi in un singolo poligono. Il risultato è stato, successivamente analizzato in dettaglio per determinare la presenza di errori nella fusione dei poligoni o per unire poligoni separati da pochi metri di distanza e riferibili allo stesso fenomeno deformativo. Quei poligoni isolati, contenenti un singolo PS/DS con velocità superiore ai 10 mm/anno non sono stati considerati a meno che non siano associati a clusters di PS/DS aventi velocità poco inferiori alla soglia stabilita e che includono strutture o infrastrutture.
La procedura adottata ha permesso di individuare, sul territorio della Regione Toscana, 303 aree in deformazione nel periodo di riferimento dei due dataset con velocità media annua superiore ai 10 mm/anno in valore assoluto. A ciascuna area in deformazione, una volta identificata e interpretata, cioè assegnata ad una causa (naturale o antropica) secondo un procedimento di “radar interpretation” (Farina et al., 2007), è stato associato un livello di rischio. Sono state definite quattro classi, che tengono conto principalmente degli elementi a rischio interessati dalla deformazione stessa. Tale classificazione viene poi trasferita a livello comunale. Ciò significa che ad ogni Comune toscano viene associato il livello di rischio più alto identificato tra tutte le aree in deformazione presenti al suo interno. Nello specifico, i quattro livelli di rischio adottati sono i seguenti: 1) nessun cluster significativo di deformazione all'interno del territorio comunale; 2) almeno un cluster di deformazione all'interno del territorio comunale che non interessa elementi a rischio; 3) almeno un cluster di deformazione all'interno del territorio comunale che interessa infrastrutture secondarie e/o edifici sparsi; 4) almeno un cluster di deformazione all'interno del territorio comunale che interessa infrastrutture primarie e/o agglomerati di edifici.
L’attività di PS Monitoring è basata sulla definizione di un’anomalia. Per anomalie si intendono quei punti PS che mostrano accelerazioni e/o trend anomali o variazioni che avvengono in un intervallo di tempo stabilito all'interno della serie temporale di deformazione. L’anomalia viene individuata, in maniera automatica, tramite l’analisi statistica della serie temporale di spostamento di ogni punto di misura. A tal fine vengono analizzati gli ultimi 150 giorni rispetto alla data dell’acquisizione più recente in entrambi i dataset (ascendente e discendente). Se in questa finestra temporale vengono rilevate variazioni di velocità maggiori di 10 mm/anno rispetto alla parte pregressa della serie, il punto di misura viene segnalato come anomalia. Le anomalie rappresentano quindi delle variazioni rispetto al normale andamento lineare della serie storica di deformazione. I punti anomali potranno essere PS precedentemente stabili che da una certa data iniziano a mostrare delle accelerazioni significative, oppure PS caratterizzati da una deformazione lineare che da una certa data vengono interessati da una accelerazione o decelerazione significativa.
L'analisi e caratterizzazione delle anomalie generate dal continuo aggiornamento dei dati satellitari in termini di persistenza temporale, consistenza spaziale e causa determinante, costituisce il prodotto finale del monitoraggio in tempo reale, che trova attuazione nella pubblicazione periodica di specifici bollettini di monitoraggio. In tali bollettini vengono segnalati i territori comunali al cui interno sono state identificate le anomalie considerate persistenti (che compaiono in più aggiornamenti) e rilevanti, in base ad una
valutazione basata sull’ intensità del cambio di trend, sulle caratteristiche del fenomeno che le genera e sulla presenza di elementi a rischio. Nel bollettino vengono, inoltre, evidenziati anche i comuni in cui compaiono nuove anomalie e quelli che mostrano la presenza di anomalie persistenti ma non rilevanti. A seguito della segnalazione, nei periodici bollettini di monitoraggio, del territorio comunale interessato da anomalie persistenti e rilevanti, viene effettuato un sopralluogo congiunto alla presenza del Genio Civile territorialmente competente e dei membri del Dipartimento di Scienze della Terra di Firenze. A seguito del sopralluogo viene redatta una scheda predisposta per la descrizione, l’analisi e la valutazione speditiva del fenomeno investigato, al fine di produrre uno scenario di rischio associato all’area oggetto del sopralluogo.
Conclusioni
I tre casi di studi dei quali è composto il progetto di dottorato costituiscono un esempio, sebbene riferito a diversi ambienti e processi geologici, per uno schema di lavoro da essere usato avendo a disposizione dati satellitari di diversa natura per poter scalare l’attività dal piano regionale a quello di dettaglio.
L’idea è quindi quella di partire da un dataset composto da milioni di punti e riconoscere, attraverso soluzioni automatiche e semi-automatiche, quelle aree che presentano le deformazioni di entità maggiore (come proposto nei casi di studio delle Canarie e della Regione Toscana). Il passo successivo è quello di valutare l’impatto di tali movimenti sulle strutture e infrastrutture del territorio in esame con una metodologia semplice e facilmente ripetibile (es. VEAM).
Il fine ultimo è quello di costruire una “lista di priorità” per andare a caratterizzare, in accordo anche con gli Enti Locali e la Protezione Civile, quelle aree con il maggior impatto sulla popolazione. Tali aree andranno ad essere caratterizzate in dettaglio con un approccio che utilizzi dati da piattaforme satellitari diverse e dati di sottosuolo, come presentato nel caso di Pisa.
Bibliografia
Amorosi A., Rossi V., Sarti G., Mattei R., 2013. Coalescent valley fills from the late Quaternary record of Tuscany (Italy). Quaternary International, Volume 288, Pages 129-138.
Barra, A., Solari, L., Béjar-Pizarro, M., Monserrat, O., Bianchini, S., Herrera, G., ... & Ligüerzana, S. (2017). A Methodology to Detect and Update Active Deformation Areas Based on Sentinel-1 SAR Images. Remote Sensing, 9(10), 1002.
Berardino, P., Fornaro, G., Lanari, R., Sansosti, E., 2002. A new Algorithm for Surface Deformation Monitoring based on Small Baseline Differential SAR Interferograms. IEEE Trans. on Geos. and Rem. Sensing. 40(11), 2375–2383.
Bianchini, S., Cigna, F., Righini, G., Proietti, C., & Casagli, N. (2012). Landslide hotspot mapping by means of persistent scatterer interferometry. Environmental Earth Sciences, 67(4), 1155-1172.
Casu, F., Manzo, M., & Lanari, R. (2006). A quantitative assessment of the SBAS algorithm performance for surface deformation retrieval from DInSAR data. Remote Sensing of Environment, 102(3), 195-210.
Herrera, G., Gutiérrez, F., García-Davalillo, J. C., Guerrero, J., Notti, D., Galve, J. P., Fernández-Merodo J.A. & Cooksley, G. (2013). Multi-sensor advanced DInSAR monitoring of very slow landslides: The Tena Valley case study (Central Spanish Pyrenees). Remote Sensing of Environment, 128, 31-43.
Lanari, R., Mora, O., Manunta, M., Mallorqui’, J. J., Berardino, P., Sansosti, E., 2004. A Small Baseline Approach for Investigating Deformation on Full resolution Differential SAR, Interferograms. IEEE Trans. on Geos. and Rem. Sensing, 42(7), 1377 – 138.
Monserrat, O., Crosetto, M., Devanthery, N., Cuevas-Gonzalez, M., Qihuan, H., Barra, A., & Crippa, B. (2016, April). Persistent Scatterer Interferometry using Sentinel-1 Data. In EGU General Assembly Conference Abstracts (Vol. 18, p. 2920).
Notti, D., Herrera, G., Bianchini, S., Meisina, C., García-Davalillo, J. C.,and Zucca, F. (2014). A methodology for improving landslide PSI data analysis. International journal of remote sensing, 35(6), 2186-2214.
Solari, L., Ciampalini, A., Raspini, F., Bianchini, S., & Moretti, S. (2016). PSInSAR analysis in the Pisa Urban Area (Italy): A case study of subsidence related to stratigraphical factors and urbanization. Remote Sensing, 8(2), 120.
Solari, L., Ciampalini, A., Raspini, F., Bianchini, S., Zinno, I., Bonano, M., ... & Casagli, N. (2017). Combined Use of C-and X-Band SAR Data for Subsidence Monitoring in an Urban Area. Geosciences, 7(2), 21.
Terzaghi, K.; Peck, R.B. Soil Mechanics in Engineering Practice; John Wiley & Sons: Hoboken, NJ, USA, 1967.
Produzione bibliografica personale nel triennio
Barra, A., SOLARI, L., Béjar-Pizarro, M., Monserrat, O., Herrera, G., Bianchini, S., ... & Moretti, S. (2017, April). Sentinel-1 data exploitation for geohazard activity map generation. In EGU General Assembly Conference Abstracts (Vol. 19, p. 14203).
Barra, A., SOLARI, L., Béjar-Pizarro, M., Monserrat, O., Bianchini, S., Herrera, G., ... & Ligüerzana, S. (2017). A Methodology to Detect and Update Active Deformation Areas Based on Sentinel-1 SAR Images. Remote Sensing, 9(10), 1002.
Béjar-Pizarro, M., Notti, D., Mateos, R. M., Ezquerro, P., Centolanza, G., Herrera, G., SOLARI L., ... & Fernández, J. (2017). Mapping Vulnerable Urban Areas Affected by Slow-Moving Landslides Using Sentinel-1 InSAR Data. Remote Sensing, 9(9), 876.
Bianchini, S., Del Soldato, M., SOLARI, L., Nolesini, T., Pratesi, F., & Moretti, S. (2016). Badland susceptibility assessment in Volterra municipality (Tuscany, Italy) by means of GIS and statistical analysis. Environmental Earth Sciences, 75(10), 889.
Bianchini, S., SOLARI, L., & Moretti, S. (2016). Inventory and analysis of geological and topographic distribution of. Zeitschrift für Geomorphologie, 60(4), 311-326.
Bianchini, S., SOLARI, L. & Casagli, N. (2017). Persistent Scatterer Interferometry (PSI) for landslide intensity evaluation and specific risk analyis. Remote Sensing. Accepted for publication.
Lombardi, L., Nocentini, M., Frodella, W., Nolesini, T., Bardi, F., Intrieri, E., SOLARI L., ... & Casagli, N. (2017). The Calatabiano landslide (Southern Italy): preliminary GB-InSAR monitoring data and remote 3D mapping. Landslides, 14(2), 685-696.
Monserrat, O., Herrera, G., Bianchini, S., González-Alonso, E., Onori, R., Reichenbach, P., SOLARI L. ... & Ligüérzana, S. (2017, April). The Safety project: Sentinel-1 for Civil Protection geohazars management. In EGU General Assembly Conference Abstracts (Vol. 19, p. 15406)
Nolesini, T., Frodella, W., Bardi, F., Intrieri, E., Carlà, T., SOLARI, L., ... & Casagli, N. (2017, April). Landslides affecting critical infrastructures: the use of a GB-InSAR based warning system in Calatabiano (Southern Italy). In EGU General Assembly Conference Abstracts (Vol. 19, p. 17791).
Nolesini, T., Frodella, W., Lombardi, L., Nocentini, M., Bardi, F., Intrieri, E., SOLARI L., ... & Casagli, N. (2017, May). Remote 3D mapping and GB-InSAR monitoring of the Calatabiano landslide (Southern Italy). In Workshop on World Landslide Forum (pp. 277-284). Springer, Cham.
Raspini, F., Bardi, F., Bianchini, S., Ciampalini, A., Del Ventisette, C., Farina, P., SOLARI L., ... & Casagli, N. (2017). The contribution of satellite SAR-derived displacement measurements in landslide risk management practices. Natural hazards, 86(1), 327-351.
Sarro R, Mateos RM, Herrera G, García-Moreno I, Reichenbach P, Carralero IP, Naranjo J, Bejar-Pizarro M, Monserrat O, SOLARI L, et al. 2017. Methodology for assessing rockfall susceptibility within the ambit of civil protection: the Safety project. In: Proceedings of the 6th Interdisciplinary Workshop on Rockfall Protection, Barcelona, Spain.
SOLARI, L., Ciampalini, A., Bianchini, S., & Moretti, S. (2016). PSInSAR analysis in urban areas: a case study in the Arno coastal plain (Italy). RENDICONTI ONLINE SOCIETA GEOLOGICA ITALIANA, 41, 255-258.
SOLARI, L., Ciampalini, A., Raspini, F., Bianchini, S., & Moretti, S. (2016). PSInSAR analysis in the Pisa Urban Area (Italy): A case study of subsidence related to stratigraphical factors and urbanization. Remote Sensing, 8(2), 120.
SOLARI, L., Ciampalini, A., Raspini, F., Bianchini, S., Zinno, I., Bonano, M., ... & Casagli, N. (2017). Combined Use of C-and X-Band SAR Data for Subsidence Monitoring in an Urban Area. Geosciences, 7(2), 21.
SOLARI, L., Barra, A., Herrera, G., Bianchini, S., Monserrat, O., Crosetto, M., Bejar-Pizarro, M., Sarros R. & Moretti, S. (2018). A methodology for the fast detection of ground motions on vulnerable elements by means of Sentinel-1 InSAR data. Geomatics, Natural Hazard and Risk.
SOLARI, L., Raspini, F., Del Soldato, M., Bianchini, S., Ciampalini, A., Ferrigno, F., Tucci, S. & Casagli, N. (2018). Satellite radar data for back-monitoring of a landslide event: the Ponzano (Central Italy) case study. Landslides.
Attività formative svolte nel triennio
_ 3-4-5-6/11/2014, Dipartimento di Scienze della Terra di Firenze; short course del Prof. Oldrich Hungr – Università della British Columbia (CDN): “Methods for landslide risk assessment and mitigation”.
Durata: 12 ore con field trip finale con visita alla frana di San Leo (RN) della durata di un giorno.
_ 18/11/2014, Dipartimento di Scienze della Terra di Firenze; conferenza del Prof. VIt Vilimek – Università di Praga (CZ): “Geomorphological investigation in Perù”.
_ 10-11-12/03/2014, Dipartimento di Scienze della Terra di Pavia; corso del Prof. Ning Lu – Colorado School of Mines (USA): “Hillslope hydrology and stability”.
_ 26/03/2015, Dipartimento di Scienze della Terra di Firenze; conferenza del Prof. Eddie Bromhead Università di Kingston (UK): “Reflections on the residual strength of clays with special reference to bedding controlled landslides”.
_ 23/06/2015, Dipartimento di Scienze della Terra di Firenze; conferenza del Prof. Davide Elmo - Università della British Columbia (CDN): “Discrete fracture network (DFN) modelling: from data collection to geomechanical applications”.
_ 5/08/2015, Dipartimento di Scienze della Terra di Firenze; conferenza del Dott. John Read – Consultant engineering geologist: “The performance of large open pit mine slopes”.
_ 25-28/09/2015, Dipartimento di Scienze della Terra di Firenze; corso del Prof. Filippo Catani: “GIS per le applicazioni geologiche e ambientali”.
_ 6/10/2015, Dipartimento di Scienze della Terra di Pisa; corso del Dott. Mattia Aleardi: “Introduzione alla statistica”.
_ 26-27-28-29/10/2015, Dipartimento di Scienze della Terra di Pisa; corso del Dott. Andrea Tognarelli: “Introduzione all’utilizzo di Matlab”.
_ 4-9/07/2016; EGU/CoE FORM-OSE Post-Graduate Training School 2016 about “Landslides and Other Geological Hazards in Active Volcano Environments”. Ponta Delgada, Sao Miguel Island, Portugal.
_ 5-16/09/2016; International School on Landslide Risk and Mitigation “LARAM School 2016”. Salerno. _ TerrSet Day. Corso introduttivo all’uso del software GIS TerrSet a cura dei Prof. Agazzi, Chirici e Fagarazzi presso il Dipartimento di Storia, Archeologia, Geografia, Arte e Spettacolo dell’Università di Firenze.
_ Giornata di studio “Metodi naturali per il controllo dell’Erosione e della stabilità dei pendii in caso di precipitazioni intense” tenutasi presso l’Aula Magna dell’Università degli Studi di Firenze il 20/03/2017. _ Conferenza “ACQUA: SCIENZA E CULTURA” tenutasi presso l’Aula Magna dell’Università degli Studi di Firenze in data 22/03/2017.
_ Seminario “Scenari di evento e di rischio idraulico ed idrogeologico” tenuto dal Prof. Pasquale Versace (DIMES, Università della Calabria) presso il Dipartimento di Scienze della Terra, Università degli Studi di Firenze in data 30/03/2017.
_ Corso di Geologia dei Terremoti, 3-7 Aprile 2017. Università di Firenze. Prof. Paola Vannucchi (Royal Holloway, University of London).
_ Seminario “La difesa del suolo in Italia: problematiche tecniche e normative” tenuto dal Dott. Francesco Peduto (Presidente del Consiglio Nazionale dei Geologi) presso il Dipartimento di Scienze della Terra, Università degli Studi di Firenze in data 28/04/2017.
_Seminario “The landslide story from Wenchuan earthquake region, China” tenuto dalla Dott.ssa Xuanmei Fan e dal Dott. Yonghong Luo (Chengdu University of Technology) presso il Dipartimento di Scienze della Terra, Università degli Studi di Firenze in data 26/09/2017.
Periodi di studio estero
01/05/2016 – 31/05/2016. Periodo di studio presso il CTTC di Castelldefells (Spagna). Attività di ricerca nell’ambito dell’analisi di immagini radar al fine di produrre mappe di deformazione a scala locale e regionale.
03/10/2016 – 23/12/2016. Periodo di studio presso l’IGME di Madrid. Attività di ricerca nell’ambito dell’interpretazione di dati interferometrici per lo sviluppo di procedure di analisi di impatto a scala regionale.
06/03/2017 – 13/03/2017 Periodo di studio presso l’IGME di Madrid. Attività di ricerca nell’ambito dell’interpretazione di dati interferometrici per lo sviluppo di procedure di analisi di impatto a scala regionale.
03/05/2017 – 12/05/2017 Periodo di studio presso il CTTC di Castelldefells (Spagna). Attività di ricerca nell’ambito dell’analisi di immagini radar al fine di produrre mappe di deformazione a scala locale e regionale.
Firenze, 21/03/2018
Firma Candidato Firma Tutor
