Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Gestione evento alluvionale - Cottini Miniussi Morello Piovano

No description
by

Arianna Miniussi

on 2 March 2015

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Gestione evento alluvionale - Cottini Miniussi Morello Piovano

ALLUVIONE PIEMONTE 2000
Utilizzo di dati telerilevati per l'analisi dell'evento alluvionale del 13-16 ottobre 2000
CALIBRAZIONE DEI MODELLI IDRAULICI CON IL REMOTE SENSING

LA GESTIONE DEL POST EVENTO TRAMITE DATI TELERILEVATI
Cosa è cambiato dal 2000 ad oggi?
DRONI
Potenzialità e limiti degli aeromobili a pilotaggio remoto (SAPR) per la gestione del rischio alluvionale
DAI SATELLITI AI DRONI
COME GESTIRE UN EVENTO ALLUVIONALE?

CONTATTI e BIBLIO
Immagine radar SAR del 16 ottobre 2000
(Provincia di Torino)
Classificazione delle immagini Landsat TM
- Obiettivo: comprendere la tipologia di copertura delle aree esondate

- Metodo di classificazione:
Classificazione assistita (Supervised), si basa sulla definizione di ROI (Region of Interest)

- Applicazione dell’algoritmo di classificazione: Massima Verosimiglianza (Maximum Likelihood)

Scena Landsat TM (provincia di Torino) con grigliato cartografico, geografico e toponomastica

Classificazione Maximum Likelihood della scena Landsat TM

Inconveniente: le ombre dei versanti hanno firme spettrali praticamente identiche a quelle della classe acqua

Applicazione della correzione per l’eliminazione delle ombre

Metodo tradizionale
Raccolta dati da stazioni di misura

- Costi elevati
- Poche stazioni disponibili
- Incertezze nelle misure
Nuove tecnologie:
immagini da satellite
SAR (Synthetic Aperture Radar)
- Bassa risoluzione
- Difficoltà nell’acquisizione dei dati
durante gli eventi di piena
- Difficoltà nell’interpretazione dei
dati a causa del rumore di fondo
(vegetazione, vento, ecc.)

InSAR (Interferometric SAR)
- Procedure numeriche complesse

ASAR (Advanced SAR)
- Costi elevati

MODIS (Moderate Resolution Imaging Spectroradiometer)
- Riprese devono essere effettuate
durante il giorno e in assenza di
copertura nuvolosa

RALT (Radio Altimetric)
- Utile per superfici ampie

Immagini aeree
Cosa si può fare?
Valutazione e calibrazione del coefficiente di Manning (caso studio)

Stima di valori di velocità del flusso
(e conseguenti valori di portata)

Stima del contenuto idrico per miglioramento modelli afflussi - deflussi
Caso studio
bacino del Genna (PG)
Sensore ASAR a bordo del satellite ENVISAT:
Risoluzione temporale: 35 giorni
Risoluzione spaziale: 150 m, ricampionata a 75 m

DEM laser scanner risoluzione 3 m
Stima estensione aree alluvionate
Calibrazione coefficiente di Manning per il bacino
del Genna (fiume Tevere) tramite l’ottimizzazione
dell’indice F1

Caratteristiche del torrente Genna:
Area bacino: 90 km^2
Alveo principale:
Lunghezza 20 km
Larghezza 15 m
Golene: estensione 50 – 350 m



Morfologia del bacino del torrente Genna e schematizzazione della struttura idraulica (Tarpanelli et al., 2012)

Rete idrometeorologica:
Dati disponibili dal 1989
Precipitazione media annua: 908 mm
Tecniche di interpretazione:
VI: interpretazione visiva
(manuale -> operatore)
VT: soglia visiva
(istogramma immagine)
HT: soglia dell’istogramma
(pixel alluvionati vs
pixel non alluvionati)

Mappe binarie delle zone alluvionate (bianco = alluvionata, nero = non alluvionata) ricavate da ASAR

Mappe ricavate dal modello idraulico, utilizzando diverse coppie di valori di coefficienti di scabrezza:
a) nch = 0.04 m^-1/3
nfp = 0.06 m^-1/3
b) nch = 0.04 m^-1/3
nfp = 0.08 m^-1/3
Andamento dell’indice F1 al variare di n(ch)
Andamento dell’indice F1 al variare di n(fp)

Confronto in termini di portata (a) e livello idrico (b) dell’idrogramma osservato e simulato ottenuto ottimizzando i valori del coefficiente di Manning:

n(ch)=0.045 m^(-1/3) e n(fp)=0.06 m^(-1/3)
per la calibrazione in situ
n(ch)=0.04 m^(-1/3) e n(fp)=0.06 m^(-1/3)
per la calibrazione SAR
Caso studio
Conclusioni

Cosa è cambiato dal 2000 ad oggi?
Lo schema procedurale è rimasto pressochè invariato rispetto al 2000
Sviluppo tecnologico
Aumento della RISOLUZIONE
GEOMETRICA
Dati ottici:
2000: 15 m
2014: 30 cm
Dati radar:
2000: 30 m
2014: 1 m
Implementazione di algoritmi
per l'estrazione automatica
delle aree alluvionate dalle immagini radar
Cosa è cambiato dal 2000 ad oggi
Disponibilità di un numero maggiore di satelliti in orbita
Aumento della RISOLUZIONE TEMPORALE
Costellazione di quattro satelliti dotati di radar ad apertura sintetica
Risoluzione geometrica: 1 m
Risoluzione temporale: < 12 h


Presenza di associazioni strutturate in grado di fornire in tempi rapidi cartografie relative alle aree colpite da calamità

ITHACA (2007) - (
Information Technology for Humanitarian Assistance, Cooperation and Action)

Workflow di ITHACA per la gestione di un evento alluvionale
Classificazione delle immagini Landsat TM
Classificazione Maximum Likelihood della classe Acqua (blu) nella Val di Susa e classificazione della stessa zona mirata all’eliminazione delle ombre

Determinazione delle aree esondate mediante le immagini radar
Procedimento utilizzato:
1 – Confronto di due immagini multitemporali al fine di individuare le differenze
2 – Applicazione di classificazione mirata ad isolare le zone con presenza di acqua
3 – Sottrazione delle aree di presenza di acqua

Determinazione delle aree esondate mediante le immagini radar
Febbraio 1999
Ottobre 2000
Determinazione delle aree esondate mediante le immagini radar
Sintesi additiva in falsi colori generata dalle immagini radar multitemporali Ers (R:post; G:post; B:pre): le aree in blu evidenziano presenza di acqua

PAI – Fasce Fluviali

Cartografia vettoriale 1:5.000 relativa alla zona sud di Torino: in rosso sono evidenziate le aree esondate determinate mediante l’elaborazione delle immagini radar Ers SAR.

Caso studio: Alluvione in Sardegna
18 Novembre 2013
Caso studio: Alluvione in Sardegna
18 Novembre 2013
Stima delle aree esondate (con relativa classificazione di uso del suolo) e della popolazione colpita
Analisi delle aree soggette ad esondazione
- Sovrapposizione della cartografia raster e/o vettoriale

Sovrapposizione delle aree esondate (tratteggiate) nella zona del Parco delle Vallere con la cartografia raster 1:10.000

Sovrapposizione delle aree esondate alla carta semplificata di copertura del suolo ricavata dalla classificazione delle scene Landsat TM

Calcolo aree delle zone di esondazione tramite utilizzo di ArcGis

Analisi dei fotogrammi aerei
Voli commisionati dalla Provincia di Torino alle due ditte C.G.R.A. e Alifoto, realizzati tra il 18 e il 24 Ottobre

Strisciata 25, Fotogramma 3502, (Volo Alifoto 1997)

Strisciata 1011, Fotogramma 52,
(Volo CGRA 2000)

Sovrapposizione informazioni vettoriali e fotogrammi per individuazione delle aree esondate

Aree esondate
Volo drone su Torrente Banna - Santena (TO)
Realizzazione DTM
Caratteristiche drone Protezione Civile Santena (TO)
Caratteristiche:
- scheletro in fibra di carbonio
- canon automatizzata e GoPro
- 8 metri di altezza e distanza a vista
- 11 satelliti collegati al GPS
- 20 minuti di autonomia, 1 ora di ricarica
- realizzazione DTM georeferenziato
Tipologie
Ala fissa
- Scarsa manovrabilità
- In quota plana riesce a coprire distanze elevate
vs Multirotore
Normali vs coassiali
Brushed vs brushless
Militare (starting point)
- Controllo da remoto della missione senza rischiare vite umane
Civile
- Sicurezza nazionale, delle frontiere (USA – Messico) e del traffico stradale e ferroviario
- Monitoraggio ambientale e calamità naturali
- Monitoraggio siti archeologici
- Monitoraggio centrali e impianti industriali
- Telerilevamento
- Fotogrammetria (creazione di modelli DEM, risoluzione max 2 cm) e rilievi architettonici
- Operazioni di ricerca e di soccorso
- Meteorologia e controllo dell’inquinamento atmosferico
- Monitoraggio risorse agricole, fasi di coltura, irrorazione trattamento con prodotti chimici

Utilizzo
Applicazione in
campo ambientale
Possibile utilizzo:
- in fase di emergenza
- in fase di monitoraggio
Impiego in eventi di:
- frane
- alluvioni
Applicazioni:
- mapping (creazione mappe tematiche)
- monitoring (analisi multi-temporale di un processo morfologico attivo)
Riprese:
- video (utili in emergenza, es. valutazione immediata della pericolosità in aree inagibili)
- fotografiche (realizzazione ad es. di DSM digital surface model)

Sensori
Laser
- Vux1
- Yellowscan
- Velodine
Termocamere
- A65 (Flir)
- Optris 400/450
Nex7 (24 MPx)

Software disponibili
Opensource
- MicMac (IGN)
- Cloudcompare
- Meshlab
Commerciali
- Agisoft Fotoscan
- 3D Flow

1. Preallineamento immagine
2. Nube sparsa
3. Nube densa (modello circa 3 volte più grande)
4. Creazione mesh
5. Applicazione texture
6. Generazione ortofoto


Processamento immagini step by step
(esempio per software MicMac)
Chi opera? Forze dell’Ordine, Sindaco, Prefetto
Regolamento: ENAC
- drone assicurato
- drone certificato dal costruttore
- visita medica aeronautica di II classe
- teoria regole aria



Gestione dell’evento
Volo in aree critiche effettuato da privato:
90 giorni di preavviso al NOTAM (Notice To AirMen)

Volo in area non critica: 45 giorni di preavviso



Tempistiche per volo drone
Limiti legislativi nelle regole di volo e nelle tempistiche (regolamento ENAC)
Necessità di utilizzo di numerosi GCP (ground control points) da battere al suolo per avere immagini accuratamente georiferite
Scarsa accuratezza della georeferenziazione tramite il solo utilizzo di GPS del sensore, in caso di impossibilità di utilizzo dei GCP


Limiti nell’utilizzo in campo ambientale
Boccardo P., Giulio Tonolo F., Lingua A.,
Telerilevamento e gestione delle emergenze ambientali. Il caso dell'alluvione del 13-16 ottobre 2000 in Piemonte
, XIX Giornata dell'Ambiente sul tema "Il dissesto idrogeologico: inventario e prospettive, pp 283-292, Roma, Giugno 2001

Giulio Tonolo F.,
Telerilevamento e gestione delle emergenze ambientali. Il caso dell'alluvione del 13-16 ottobre 2000 in Piemonte
, Tesi di Laurea, Rel. P. Boccardo, Politecnico di Torino, Corso di Laurea in Ingegneria per l’Ambiente e il Territorio, 2001

Boccardo P., Giulio Tonolo F., Ronco F.,
Geographic information systems and remote sensing for disaster management
, Proceedings of the 6° AGILE, Lyon (France), 24-26 Aprile 2003

 
http://alluvione2000.sistemapiemonte.it/

http://www.provincia.torino.it/emergenza/index.htm
Ajmar A., Boccardo P., Disabato F., Giulio Tonolo F., Perez F., Sartori G.,
Early impact procedures for flood events February 2007 Mozambique flood
, Rivista italiana di Telerilevamento, 40 (3), pp 65-77, 2008

www.cosmoskymed.it

www.emergency.copernicus.eu

www.ithacaweb.org
Tarpanelli A., Brocca L., Barbetta S., Lacava T., Faruolo M., Moramarco T.,
Integration of MODIS and radar altimetry data for river discharge estimation from space
, Engineering Geology for Society and Territory, vol. 3, River Basins, Reservoir Sedimentation and water resources, pp 607-610, Springer, 2015

Domeneghetti A., Tarpanelli A., Brocca L., Barbetta S., Moramarco T., Castellarina A., Brath A.,
The use of remote sensing-derived water surface data for hydraulic model calibration
, Remote Sensing of Environment, 149, 130-141, 2014

Tarpanelli A., Brocca L., Melone F., Moramarco T.,
Hydraulic modelling calibration in small rivers by using coarse resolution synthetic aperture radar imagery
, Hydrological Processes, vol. 27, p. 1321-1330, 2012

Tarpanelli A., Brocca L., Melone F., Moramarco T., Lacava T., Wagner W.,
Utilizzo di dati satellitari per applicazioni idrologiche nel bacino dell'alto-medio Tevere
, XXXIII Convegno Nazionale di Idraulica e Costruzioni Idrauliche, Brescia, 10-15 Settembre 2012

Bates P. D.,
Remote sensing and flood inundation modelling
, Hydrological Processes 18, pp 2593–2597, 2004

Schumann G., Bates P. D., Horritt M. S., Matgen P., Pappenberger F.,
Progress in integration of remote sensing–derived flood extent and stage data and hydraulic models
, Reviews of Geophysics, 47, RG4001, 2009
Giordan D., Facello A., Allasia P., Manconi A., Baldo M., Dell’Anese F.,
L’uso di UAV per monitorare e gestire il terriorio nel corso di eventi legati al dissesto idrogeologico
, GEOmedia, n° 2-2014, Speciale UAV per la geomatica 2014
Boccardo P., Dequal S., Giulio Tonolo F., Marenchino D.,
ITHACA: un progetto innovativo per la gestione delle emergenze ambientali
, X Conferenza Nazionale ASITA, Bolzano (Italy), 2006.
Nuove tecnologie:
immagini da satellite
Carta di sintesi relativa ai danni prodotti dall'evento alluvionale
Materiale utilizzato
- Immagini radar ( SAR)
- Immagini acquisite nella banda del visibile (Landsat TM5)

Scena Landsat TM (Provincia di Torino) con grigliato cartografico, geografico e toponomastica
Contatti
ITHACA:
Ing. Fabio Giulio Tonolo
Ing. Elena Cristofori

Ing. Enrico Suozzi, Ise-Net

Ing. Irene Aicardi

Protezione Civile Santena

Sara Cottini
Arianna Miniussi
Andrea Morello
Thea Ilaria Piovano

A: aree effettivamente esondate
B: aree sovrastimate
C: aree sottostimate
Full transcript