Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici - Le piogge intense e le valanghe in Lombardia - "Le ...
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
I
lmoni
tor
aggiodegl
ievent
ies
tremi
comes
trat
egiadiadat
tamentoaicambi
ament icl
i
mat
ici
L
epi
oggei
ntens
eel
eval
anghei
nLombar
dia
“L
eoppor
tuni
tànonhannoconf
ini
”
Le piogge intense e le valanghe in Lombardia RESPONSABILE DI PROGETTO per ARPA Lombardia Ugo Musco – Arpa Lombardia, Direttore Settore Tutela dai Rischi Naturali Team di progetto per ARPA Lombardia Azione 4 ‐ Valanghe Giovanni Peretti (Responsabile), Matteo Fioletti, Luigi Bonetti ‐ U.O. Centro Nivometeorologico di Bormio eMail: nivometeo@arpalombardia.it Azione 5 – Precipitazioni Roberto Serra (Responsabile), Angela Sulis, Giulia Esabon, Matteo Cislaghi, Michele Russo ‐ U.O. Servizio Idrografico; Francesco Uboldi (consulente), Alvaro Spelgatti (consulente). Con la collaborazione di Angelisa Musolino e Leonardo La Rocca (Regione Lombardia), Giovanni Valli e Graziella Dilli (ARPA Lombardia ‐ UO Information and Communication Technology) eMail: idro@arpalombardia.it AUTORI DEI CONTRIBUTI Capitolo 1 ‐ Angela Sulis, Francesco Uboldi Capitolo 2 ‐ Angela Sulis, Pietro Marcacci (Ricerca sul sistema energetico, RSE) Capitolo 3 ‐ Matteo Fioletti, Matteo Rossi (Neos SRL) FOTOGRAFIE Archivio ARPA Lombardia COORDINAMENTO EDITORIALE e PROGETTO GRAFICO Alessandra Negriolli (Responsabile), Isabella Ibba, Alessandro Inverso – ARPA Lombardia, U.O. Relazioni Istituzionali, Comunicazione ed Educazione Ambientale Si ringrazia Elena Buscemi per la realizzazione dell’immagine di copertina. Copyright © 2013, Arpa Lombardia Palazzo Sistema Via Rosellini, 24 20124 – Milano – Italia www.arpalombardia.it Progetto cofinanziato dal FESR “Fondo europeo di sviluppo regionale” ‐ “Le opportunità non hanno confini” 2
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
Sommario
Introduzione ........................................................................................................................................... 4
1. L’atlante delle piogge intense della Lombardia ............................................................................... 5
1.1 ‐ La caratterizzazione delle piogge intense e l’evoluzione della rete osservativa ........................ 5
1.2 La base dei dati strumentali ......................................................................................................... 6
1.3 L’atlante delle precipitazioni intense ........................................................................................... 8
1.4 La parametrizzazione delle linee segnalatrici di possibilità pluviometrica ................................ 10
1.5 Adattamento al cambiamento climatico ................................................................................... 12
1.6 L’analisi di stazionarietà e le raccomandazioni gestionali sulla rete di monitoraggio ............... 12
1.7 Bibliografia e riferimenti ............................................................................................................ 15
2. La stima integrata delle precipitazioni ad alta risoluzione spaziale mediante rilievi a terra e
immagini radar .................................................................................................................................... 16
2.1 Stima della pioggia ad alta risoluzione spaziale e temporale .................................................... 16
2.2 Il modello di calibrazione del radar ............................................................................................ 19
2.3 Il sistema di divulgazione delle informazioni.............................................................................. 21
3. Attività svolte dal Centro Nivometeorologico di ARPA Lombardia per lo studio e la valutazione
qualitativa del manto nevoso sul territorio alpino lombardo ............................................................ 24
3.1 Implementazione sensoristica delle stazioni nivometeorologiche esistenti ............................... 24
3.2 Attività svolte presso il sito di studio sperimentale di Aprica ..................................................... 27
3.3 Esecuzione profili stratigrafici manuali a cadenza mensile e confronto con profili stratigrafici
automatici (Snowpack) .................................................................................................................... 30
3.4 Ricostruzione fotogrammetrica della morfologia superficiale del sito sperimentale di Aprica
Magnolta (SO) e stima degli spessori di neve a Gennaio 2013 ........................................................ 37
3
Le piogge intense e le valanghe in Lombardia
Introduzione
Il Progetto INTERREG IV/A STRADA (Strategie di Adattamento ai cambiamenti climatici per la gestione
dei rischi naturali nel territorio transfrontaliero) nasce da una collaborazione transfrontaliera tra Italia
e Svizzera. L’iniziativa, finanziata dal programma operativo Interreg IT‐CH 2007‐2013, si propone di
affrontare le tematiche molto complesse relative all’impatto del cambiamento climatico su un’area
unica al mondo per specificità geografica, importanza culturale, industriale, energetica, demografica
e strategica. Il progetto è imperniato sulla gestione strategica delle risorse idriche e dei rischi
idrogeologici nel contesto di un clima che cambia e si declina in sei “Azioni” messe in opera dagli enti
partner rappresentativi di sei distinte realtà territoriali transfrontaliere, tre italiane e tre svizzere:
Lombardia (Regione, ERSAF e ARPA), Regione Valle D’Aosta, Piemonte (Regione e ARPA), Canton
Ticino, Cantone dei Grigioni e Cantone Vallese.
Le tematiche chiave sono tre: la gestione dei laghi transfrontalieri (il Lago Maggiore e il Lago di
Lugano), la gestione delle sorgenti di montagna e la gestione delle valanghe di piccola e media
dimensione. I membri in rappresentanza delle tre regioni e dei tre cantoni partecipanti al progetto
(Grigioni, Lombardia, Piemonte, Ticino, Valle d’Aosta, Vallese), hanno costituito un Comitato Tecnico
Scientifico di coordinamento che ha prodotto un documento strategico condiviso e organizzato
secondo le lezioni apprese nella definizione delle strategie di adattamento. Al documento sono allegati
i report specifici delle strategie per la gestione delle tre tematiche chiave e ognuna delle sei “Azioni”
progettuali sono esposte in relazioni dettagliate delle attività svolte dagli enti partecipanti al progetto,
arricchiti inoltre da pubblicazioni e documenti specifici su singoli temi.
Importanti attività progettuali hanno riguardato, inoltre, la caratterizzazione delle precipitazioni
estreme nel territorio transfrontaliero e la sperimentazione di procedure di protezione civile congiunta
tra Italia e Svizzera.
Le informazioni, i materiali del Progetto STRADA, prodotti in occasione dei workshop e delle giornate
di confronto e di formazione, sono disponibili sul sito web www.progettostrada.net.
ARPA Lombardia, con il coinvolgimento del Centro Nivo‐Meteo di Bormio e del Servizio Idrografico,
nell’ambito del progetto ha partecipato rispettivamente alle Azioni tecniche 4 (valanghe) e 5
(precipitazioni estreme).
Per quanto riguarda le valanghe, ARPA Lombardia ha realizzato nuovi strumenti di calcolo e strategie
di gestione a supporto delle attività di prevenzione del rischio di valanghe di piccole e medie
dimensioni e ha installato nuovi punti di misura nivometeorologici sul territorio lombardo.
Relativamente alle precipitazioni ARPA ha sviluppato due nuovi servizi: la consultazione delle mappe
di stima della pioggia integrata con rilievi a terra e radar per il periodo 1997‐2011 e l’“Atlante delle
piogge intense”, di fondamentale utilità per le analisi idrologiche e il monitoraggio degli eventi
meteorologici estremi.
Tutti i servizi sono stati sviluppati su una base cartografica ad alta risoluzione spaziale del territorio
lombardo.
4
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
1. L’atlante delle piogge intense della Lombardia
1.1 ‐ La caratterizzazione delle piogge intense e l’evoluzione della rete osservativa
Le linee segnalatrici di possibilità pluviometrica, note anche come curve di possibilità pluviometrica o
climatica, sono uno strumento applicativo consolidato in idrologia, sulle quali esiste ampia letteratura
e che trovano applicazione nella progettazione degli interventi di difesa dalle piene fluviali, nella
zonazione del rischio idraulico‐idrogeologico in funzione del luogo e del tempo di ritorno dell'evento
di precipitazione, nonché nella valutazione a posteriori dell’intensità di un evento occorso.
Il contesto in cui ARPA Lombardia ha svolto le attività progettuali di aggiornamento della descrizione
statistica delle precipitazioni intense è quello della presenza di una base di dati strumentali già
consolidata, costituita dalle osservazioni delle piogge massime annue di fissata durata di 1, 2, 3, 6, 12
e 24 ore per 105 stazioni meccaniche del Servizio Idrografico e Mareografico Nazionale, già utilizzate
per lo sviluppo di un’attività di caratterizzazione statistica del territorio regionale mediante un modello
scala‐invariante secondo la distribuzione probabilistica GEV (Generalized Extreme Value), che ha
prodotto la parametrizzazione delle LSPP su 69 punti strumentati e da questi su tutto il territorio
regionale tramite tecniche di estrapolazione geostatistica (6); questo servizio è attualmente operativo
e accessibile su piattaforma web‐gis sul sito web istituzionale di ARPA (http://idro.arpalombardia.it).
Le tipologie di dati che con il progetto STRADA sono stati integrati hanno una struttura differente ma
complementare, si riassumono di seguito le rispettive caratteristiche principali:
osservazioni storiche: ampia copertura temporale (1929‐2001); ridotta copertura territoriale (69 siti
del dataset esistente + 31 siti aggiunti); distribuzione spaziale non uniforme, più concentrata in aree
montane; dati raccolti su supporto cartaceo e trasposti in formato digitale, con possibilità di
imprecisione nella resa digitale; dati consolidati con un processo di selezione, digitalizzazione e
validazione accurato, nonché direttamente certificati quando reperiti da pubblicazioni ufficiali;
osservazioni raccolte su stazioni costantemente presidiate da osservatori volontari, che effettuano
con frequenza settimanale le operazioni di pulizia e di piccola manutenzione, ma che non hanno la
formazione e la strumentazione per intervenire tempestivamente in caso di guasti; strumentazione
omogenea costituita da pluviometri a bascula con bocca tarata da 1000 cm2.
osservazioni recenti: ridotta copertura temporale (1987‐2011); ampia copertura territoriale (251
siti); dati raccolti direttamente in formato digitale da stazioni automatiche, senza necessità di
interventi manuali per la loro trasposizione in formato informatico; dati sottoposti a validazione
semiautomatica soltanto per l’eliminazione di valori anomali (fondoscala strumentali); stazioni non
presidiate ma generalmente sottoposte a controlli semestrali di manutenzione programmata e a
tempestivi interventi di risoluzione dei guasti; equipaggiamento strumentale non omogeneo,
costituito da pluviometri a bascula con bocche tarate di diametri differenti, da 400 a 1000 cm2.
5
Le piogge intense e le valanghe in Lombardia
1.2 La base dei dati strumentali
Il primo fondamentale risultato ottenuto con il progetto STRADA è stato l’aggiornamento ed il
miglioramento della base dati delle precipitazioni intense di fissata durata, da 1 a 24 ore.
La base dati di partenza era costituita da 2753 osservazioni provenienti dalle citate 69 stazioni
meccaniche, in parte digitalizzate dai diagrammi cartacei presenti presso l’archivio cartaceo storico e
in parte riprese dalle pubblicazioni ufficiali del servizio (Annali Idrologici), riferite al periodo 1929‐2001:
essa è stata integrata con nuove digitalizzazioni di stazioni storiche e soprattutto con tutte le
osservazioni provenienti dalle stazioni pluviometriche automatiche in telemisura di attuale proprietà
dell’Agenzia. Il dataset così ottenuto è costituito da 5436 osservazioni, provenienti da 351 siti, 251 dei
quali equipaggiati con pluviometri automatici e 100 equipaggiati con pluviometrografi meccanici.
Le caratteristiche del nuovo dataset realizzato con il progetto STRADA sono:
‐ maggiore copertura temporale, in particolare con un notevole incremento di dati relativi al
ventennio 1990‐2010;
‐ maggiore copertura territoriale: da 69 a 351 siti, con un aumento pari a 5 volte i siti del dataset
precedente;
‐ migliore omogeneità e qualità dei dati: sono stati scartati a priori i valori anomali perché al di fuori
di estremi di affidabilità strumentale, gli outlier, i dati insufficienti perché incompleti e i dati
disomogenei;
‐ inferiore lunghezza media delle serie: da una lunghezza media di 40 anni per stazione si è passati
ad una di 15.5 per stazione, la mediana della lunghezza delle serie storiche è passata da 37 a 8 anni;
‐ distribuzione temporale non omogenea delle osservazioni: il nuovo dataset contiene il 50% delle
osservazioni negli ultimi 20 anni, a partire dal 1989, mentre il restante 50% si distribuisce con un
andamento leggermente crescente nel numero di osservazioni/anno nei precedenti 60 anni, tra il
1929 e il 1988; a partire dal 1995 si iniziano stabilmente a raccogliere circa 100 osservazioni valide
all’anno.
Figura 1 ‐ Copertura
territoriale. A sinistra il
dataset pre‐STRADA di
sole osservazioni
meccaniche, a destra il
dataset post‐STRADA. In
blu le stazioni con meno
di 10 anni, in arancio
quelle con pari o più di
10 anni. I triangoli
rappresentano le stazioni
della rete automatica in
telemisura, i circoli le
stazioni della rete
meccanica e i dati
pubblicati sugli Annali
Idrologici.
6
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
Figura 2 ‐ Distribuzione
temporale delle osservazioni. In
ascissa gli anni, in ordinata il
numero di osservazioni. Si noti
che il dataset esistente è stato
integrato soprattutto, ma non
solo, a partire dal 1987,
principalmente con dati da
stazioni automatiche.
La necessità di integrare la base dati esistente con quanto raccolto negli ultimi 10‐20 anni, tenendo
conto che dal punto di vista climatico si tratta del periodo più interessante, si è scontrata con un
mutamento profondo del campione statistico. Ne è scaturita la necessità di rivedere l’algoritmo di
interpolazione spaziale in modo che potesse tener conto non soltanto delle lunghe serie storiche,
potenzialmente più ricche di eventi rari, ma anche delle serie di breve durata, specie recenti, molto
più numerose e spazialmente distribuite rispetto alle precedenti, che in contesto di cambiamento
climatico sono quelle di maggior interesse perché più rappresentative del comportamento recente del
clima.
Figura 3 ‐ Numero di siti del dataset attuale per lunghezza della serie storica in anni. Si noti che gli anni possono non essere
consecutivi, perché vengono scartati dati raccolti da campioni incompleti. La lunghezza media è di 13 anni, la mediana di 7 anni,
il valore più frequente (moda) è 8 anni.
7
Le piogge intense e le valanghe in Lombardia 1.3 L’atlante delle precipitazioni intense La parametrizzazione delle linee segnalatrici sviluppata per Arpa Lombardia da De Michele et al. (6) è stata migliorata, mantenendo valide alcune scelte metodologiche già consolidate nel prodotto operativo esistente, in particolare si sono conservati: ‐ il principio di invarianza di scala, illustrato in Burlando e Rosso, 1996 (3); ‐ la distribuzione di probabilità del valore estremo a tre parametri, la Generalized Extreme Value (GEV), come tra l’altro suggerito anche da Braca et al.,2013 (1), in buon accordo con i dati campionari utilizzati per il territorio in esame, valutata analiticamente più adatta della distribuzione di Gumbel per la descrizione statistica dei punti più vicini ai confini regionali, in particolare quelli ad orografia complessa; ‐ la stima dei parametri della distribuzione mediante la tecnica operativa degli L‐moments. Da un’analisi di sensitività sulle diverse tecniche di stima non si sono comunque rilevate differenze significative in termini operativi sul risultato finale per l’area in esame. Si è deciso invece, come detto, di migliorare la stima dei parametri al di fuori dei punti strumentati, sviluppando un vero e proprio modello di stima interpolato spazialmente. L’approccio tradizionale si basava sulle seguenti assunzioni: a) la serie storica rilevata in un punto ha un’area di influenza, nella quale si propagano le proprietà statistiche di quel punto; b) più lunghe sono le serie storiche puntuali maggiore è la qualità della mappa risultante, con la conseguente inutilizzabilità delle serie corte; c) da ogni serie puntuale di dati osservati si ottiene 1 solo set di parametri; nell’interpolazione spaziale tutti i singoli set hanno egual peso, indipendentemente dalla numerosità del campione osservativo di partenza, a patto che esso sia superiore alla soglia alla quale si ipotizza la “stabilità della statistica” (in genere almeno 25 anni); d) l’incertezza della stima spaziale varia a seconda della struttura territoriale della rete ma non è quantificabile. Dal punto di vista operativo questo approccio forza la rete osservativa a conservare nel tempo una struttura rigida: i siti di misura diventano quei punti fiduciari sui quali raccogliere dati per far crescere il campione osservativo locale, nonostante il territorio intorno evolva nella destinazione d’uso e in generale nelle caratteristiche morfologiche, con risvolti sul microclima locale, mentre i nuovi punti di misura diventano significativi e possono essere utilizzati solo dopo molto tempo dall’installazione. Quando un punto osservativo rimane fisso ma il territorio che rappresenta muta ciò impatta anche sulla qualità della misura e sull’omogeneità della serie storica dei dati, e lo si vede bene analizzando i dati stessi: tipico è il caso della stazione climatica installata a inizio XX Secolo in ambiente rurale o periurbano che, con il trascorrere degli anni viene a trovarsi in ambito periurbano e urbano, in Lombardia un esempio noto in letteratura è Milano Brera. L’osservazione di oggi rappresenta un fenomeno meteorologicamente paragonabile a quello, nello stesso punto, di un secolo fa? I valori estremi annui raccolti all’inizio del periodo di osservazione sono confrontabili con quelli alla fine del periodo oppure il sito di misura oggi rappresenta un’area con caratteri anche meteorologici e climatici 8
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
differenti? L’approccio climatologico classico seleziona alcuni siti particolarmente fortunati, protetti e
ricchi di informazioni e su quelli effettua una accurata analisi di omogeneità, in particolare su dati
aggregati a scale superiori alle 24 ore, mentre non è ancora consolidata in letteratura una metodologia
di valutazione dell’omogeneità di dati pluviometrici estremi sub‐giornalieri. Accanto a queste
considerazioni di contesto si noti come la rete strumentale di ARPA abbia dovuto comunque inseguire
i mutamenti del territorio regionale ed evolvere nel tempo, con adeguamenti strumentali (da stazioni
meccaniche ad automatiche in telemisura) e con l’aggiunta di ulteriori punti osservativi, fatto che, per
il monitoraggio delle piogge intense, rappresenta una evoluzione in positivo, poiché una maggiore
densità osservativa permette di individuare più frequentemente quei fenomeni estremi fortemente
localizzati come i nubifragi.
Figura 4 ‐ Confronto tra Lodi (blu) e Cremona (rosso). A sinistra la serie dei massimi di durata 1 ora delle due stazioni, distanti
circa 40 km in una vasta area di pianura, e che quindi si presume essere meteorologicamente omogenee, hanno un andamento
simile e differiscono solo per due anni, nei quali probabilmente per ragioni casuali il centro di scroscio dell’evento critico di 1 ora
era più vicino a Cremona piuttosto che a Lodi. Ciò si riflette, nell’approccio tradizionale, in linee segnalatrici molto diverse, specie
al crescere dei tempi di ritorno.
Tale struttura in fieri della rete di monitoraggio istituzionale si riflette nella struttura della base dati di
cui al paragrafo precedente, per la cui gestione si è definito quindi un approccio metodologico più
adatto, basato sulle seguenti assunzioni:
a) per determinare una statistica in un punto si tiene conto di tutti i dati osservati nell’intorno, che
sia o meno presente un dato rilevato nel punto stesso, pertanto si possono stimare statistiche su
tutti i punti del territorio in una griglia regolare;
b) L’abbondanza di dati deve essere valutata in termini sia di lunghezza temporale della serie
puntuale sia di copertura territoriale dei punti di osservazione. Applicando questo principio per
determinarne analiticamente i parametri della distribuzione statistica si sono generate serie
sintetiche di osservazioni su ogni punto della griglia, ottenute a partire dai dati osservati
nell’intorno, pesandoli in funzione della distanza dal punto stesso e della durata della serie
storica. Questa tecnica è stata definita sinteticamente “multi bootstrap spaziale” (Uboldi et.al
(18));
9Le piogge intense e le valanghe in Lombardia
c) è possibile assegnare ad ogni stima puntuale una valutazione quantitativa dell’incertezza, sulla
base di parametri statistici ottenuti dalle serie sintetiche simulate con il multi bootstrap,
fornendo quindi all’utente specializzato una informazione fondamentale per l’uso applicativo del
dato stesso e al gestore della rete di monitoraggio indicazioni sulle performance della rete
osservativa nella valutazione statistica degli eventi estremi.
1.4 La parametrizzazione delle linee segnalatrici di possibilità pluviometrica
Il nuovo atlante delle piogge intense è stato calcolato puntualmente su una maglia di 1kmx1km in
forma esplicita per durate da 1 a 24 ore e per tempi di ritorno dai 10 ai 200 anni. Si rendono disponibili
all’utente esperto anche i valori dei parametri e dei quantili della distribuzione GEV per ogni punto‐
griglia, che permettono da una parte la determinazione della massima altezza di pioggia temibile per
un qualsivoglia tempo di ritorno e dall’altra la valutazione del tempo di ritorno di un evento estremo
occorso. Quest’ultima valutazione viene già pubblicata in tempo reale durante gli eventi pluviometrici
e ha quindi risvolti operativi nell’ambito del monitoraggio ai fini di protezione civile. Infine la
caratterizzazione statistica delle piogge intense potrà essere utilizzata in ambito di pianificazione delle
emergenze per definire in modo più robusto le soglie di criticità pluviometrica, non soltanto in fase di
previsione meteorologica ma anche in fase di monitoraggio e sorveglianza.
Figura 5 ‐ Si riporta a titolo esemplificativo l’andamento su
tutti i punti griglia delle altezze di pioggia temibili di durata
pari 3 ore per tempo di ritorno di 100 anni.
È in corso di valutazione la frequenza di
aggiornamento dell’atlante, si ritiene che un periodo
di 5 anni sia un buon compromesso tra
l’arricchimento di dati e l’evoluzione del clima alla
scala regionale.
Un ulteriore prodotto progettuale ottenuto è una più
precisa e puntuale assegnazione delle coordinate e
della quota ai punti osservativi della rete, semplice
sulla rete attuale e più complicato sulle reti storiche,
specie quando le stazioni sono state rimosse e di cui
non c’è traccia di metadati negli archivi. Tale risultato
è infatti un prerequisito necessario per
un’applicazione soddisfacente del metodo di stima
sviluppato che sebbene possa rilassare il concetto di continuità della serie storica osservata, necessita
del posizionamento preciso nello spazio dei dati. Le fonti delle informazioni sono state anche di
carattere “non convenzionale”, come per esempio il servizio web Google Maps, con il quale sono stati
effettuati “sopralluoghi virtuali”, e l’ultima pubblicazione ufficiale n. 27 del Servizio Idrografico e
10Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
Mareografico Nazionale (15), aggiornata al 1970 e fedele riproduzione della posizione delle stazioni su
una mappa georeferenziata del territorio italiano dell’epoca.
Figura 6 ‐ Il testo e soprattutto la cartografia della
Pubblicazione 27 del Servizio Idrografico (15) sono stati
utilizzati come fonte per il posizionamento nello spazio di
dati pluviometrici, specie di stazioni ormai dismesse, con
dati riferiti agli anni '70.
Figura 7 ‐ Sopralluogo virtuale al campo di stazioni meteorologiche e climatiche di Lago Cancano, mediante il servizio maps di
Google.
I dati, i parametri e i quantili delle distribuzioni sono disponibili dal 1 luglio 2013 online gratuitamente
per l’utenza sul sito web istituzionale dell’Agenzia.
11Le piogge intense e le valanghe in Lombardia 1.5 Adattamento al cambiamento climatico Un ultimo necessario passaggio è stata l’analisi dell’evoluzione temporale della base dati, per la verifica dell’ipotesi di lavoro di stazionarietà degli estremi pluviometrici, che sta alla base delle linee segnalatrici. Preliminare alla stazionarietà è stato necessario valutare l’omogeneità delle osservazioni, presupposto necessario per la corretta valutazione della stazionarietà stessa. Si è utilizzato l’approccio metodologico proposto da Klein Tank et al, 2009 (9), secondo cui l’omogeneità, specie su un dato climatico molto disaggregato temporalmente, va valutata su una scala territoriale più ampia di quella puntuale, estendendo l’analisi ad una visione areale. Si sono così determinate alcune aree del territorio lombardo che si possono ritenere omogenee dal punto di vista degli eventi pluviometrici estremi: 1) Alta Valtellina da Tirano (AVT); 2) Varese, Como, lago di Como fino a Colico, esclusa Valchiavenna (CoVa); 3) Pianura Padana Lombarda Occidentale (WP); 4) Pianura Padana Lombarda Orientale (EP). Si è esteso l’approccio di “cross validation”, definito in Lussana et al, 2010 (10), Uboldi et al, 2008 (12) e già applicato in Ranci e Lussana, 2009 (11) sul controllo di qualità delle osservazioni meteorologiche della rete istituzionale, al confronto tra le distribuzioni dei dati di ogni singola serie con la distribuzione di tutte le altre stazioni della stessa area nello stesso periodo. La cross validation è stata utilizzata sia per la determinazione dell’appartenenza delle osservazioni alle aree stesse, sia per il confronto, nel tempo, dell’andamento dei dati all’interno dell’area omogenea. In sintesi si sono confrontate tra loro diverse distribuzioni campionarie di dati: se le distribuzioni sono tra loro omogenee i parametri statistici campionari non possono essere troppo differenti, in particolare si è ipotizzato che gli interquartili (25%‐75%) delle distribuzioni campionarie debbano sovrapporsi. In questa maniera sono stati individuati ulteriori dati non omogenei, che sono stati esclusi dal dataset operativo per la stima delle linee segnalatrici di possibilità pluviometrica. L’analisi di omogeneità per aree è stata effettuata alla ricerca di un sottoinsieme di dati omogenei, sul quale poter valutare la stazionarietà del fenomeno. In particolare sono state indagate le seguenti possibili cause di disomogeneità: ‐ errori grossolani; ‐ equipaggiamento delle stazioni (automatiche vs meccaniche, ampiezze delle bocche tarate); ‐ posizionamento delle stazioni (urbano‐rurale, fasce di quota); ‐ digitalizzazione dati (da Annale, da carta diagrammata, già in formato digitale); ‐ manutenzione delle stazioni (stazioni coperte dal servizio vs stazioni non coperte). 1.6 L’analisi di stazionarietà e le raccomandazioni gestionali sulla rete di monitoraggio L’analisi di omogeneità è stato un passo metodologico complesso, ha presentato difficoltà non solo operative ma anche di interpretazione dei risultati ottenuti. L’approccio di lavoro alla scala areale ha permesso innanzitutto di confermare il comportamento meteoclimatico differente delle diverse aree individuate relativamente agli eventi pluviometrici estremi. 12
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
Figura 8 ‐ Distribuzione delle osservazioni nelle quattro aree meteoclimatiche individuate. La durata di 3 ore, mostrata nel grafico
a sinistra, è rappresentativa degli eventi a maggior carattere convettivo (temporali), la durata di 24 ore, mostrata nel grafico a
destra, è rappresentativa degli eventi stratiformi.
Un altro importante risultato progettuale è stato ottenuto con l’uso della cross validation “estesa”
applicata al dataset degli estremi pluviometrici di fissata durata, che da un lato ha dato conferma della
qualità di gran parte delle serie storiche e dall’altro ha permesso l’individuazione analitica delle
osservazioni sulle quali affinare l’analisi di qualità del dato. A titolo esemplificativo si riporta il caso
della stazione di Bellano, che possiede una serie storica particolarmente lunga (1933‐1997), ma che
non ha superato i test di cross‐validation, né all’interno dell’area omogenea di appartenenza, né a
confronto con tutti i restanti dati del dataset.
Figura 9 ‐ Il caso della stazione di Bellano. A sinistra il confronto tra il box plot ottenuto dalle 62 osservazioni raccolte nel sito e
il corrispondente delle restanti
stazioni attribuite all’area
Como‐Varese. Si noti che la
distribuzione campionaria di
Bellano è distribuita
significativamente al di sotto
quella ottenuta con i restanti
dati osservati nell'area
omogenea. La ragione di tale
sottostima risiede
probabilmente nella posizione
del sito di misura, visibile nella
foto a destra, scattata negli
anni ’90.
L’analisi dei metadati della stazione ha rivelato che l’ultima ricognizione fotografica, effettuata negli
anni ‘90, ha individuato il sito di misura come non più idoneo, da cui probabilmente la chiusura della
stazione e l’interruzione delle rilevazioni.
13Le piogge intense e le valanghe in Lombardia
Sono emerse chiaramente alcune raccomandazioni operative sulla gestione delle reti osservative, e
sono da considerarsi un risultato progettuale. Si riassumono qui le più significative relativamente alla
realtà lombarda:
‐ per un buon monitoraggio degli eventi intensi è importante che la dotazione strumentistica della
rete sia omogenea: in aree soggette a nubifragi, come quella di Como‐Varese, i pluviometri con
bocca tarata da 400 cm2 hanno sottostimato sistematicamente gli eventi intensi;
‐ è importante tenere traccia strutturata dei metadati relativi alla dotazione strumentale, alla
manutenzione, alla posizione della stazione e al contesto nel quale è posizionata;
‐ è importante che il posizionamento di un sito di misura sia periodicamente verificato come
idoneo allo scopo.
Figura 10 ‐ Nell'area meteoclimatica di Como‐Varese le
osservazioni raccolte dalla rete meteorologica di qualità
dell'aria presentano una sistematica sottostima degli estremi,
probabilmente per una dotazione strumentale non adeguata
allo scopo (bocca tarata da 400 cm2).
Lo studio dell’andamento temporale delle
distribuzioni ha effettivamente evidenziato elementi
di non stazionarietà nel dataset, dovuti sia
all'evoluzione nel tempo della rete osservativa, che a
variazioni temporali climatiche, anche se rimane
difficile discriminare tra tendenze stabili e
oscillazioni di medio periodo (multidecadali).
Ad esempio nell'area meteoclimatica 1 (Alta
Valtellina) il numero di stazioni osservative è aumentato progressivamente dagli anni '40 agli anni '80,
e in modo più drastico nel periodo successivo. A questo è probabilmente legato l'aumento nel tempo,
effettivamente riscontrato, della frequenza di eventi intensi: una variazione climatica non può essere
confermata o esclusa in questo caso.
Nell'area meteoclimatica 2 (Como‐Varese), invece, l'analisi delle sole stazioni meccaniche, la cui
densità spaziale è rimasta pressoché costante dagli anni '50 fino alla loro dismissione (2004), permette
di evitare questo problema. In questo caso si riscontra un evidente aumento nel tempo della variabilità
nella distribuzione dei massimi, soprattutto per le durate più lunghe tra quelle analizzate, 12 e 24 ore.
Essendo stato possibile escludere anche le altre possibili cause prese in esame di non stazionarietà
legate al dataset, e in assenza di altre ipotesi, questa variazione va attribuita al clima.
Entrambi gli ordini di motivi, variazioni del dataset e variazioni propriamente climatiche, portano, dal
punto di vista operativo, all'opportunità di impostare revisioni periodiche dell'atlante delle
precipitazioni intense.
14Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
1.7 Bibliografia e riferimenti
1) G. Braca, M. Bussettini, B. Lastoria, S. Mariani, Linee guida per l'analisi e l'elaborazione statistica di base
delle serie storiche di dati idrologici, Pubbl. 84/2013 dell’Istituto Superiore per la Protezione dell’Ambiente
ISPRA (http://www.isprambiente.gov.it/files/pubblicazioni/manuali‐lineeguida/MLG_84_2013.pdf)
2) M. Brunetti, G. Lentini, M. Maugeri, T. Nanni, C. Simolo, J. Spinoni, 2009. 1961‐1990 high‐resolution
northern and central Italy monthly precipitation climatologies. Advances in Science and Research.
3) P. Burlando, R. Rosso, 1996. Scaling and multiscaling models of depth‐duration‐frequency curves of storm
precipitation. Journal of Hydrology, 187, 45_64.
4) M. Cislaghi, C. De Michele, A. Ghezzi, R. Rosso, 2005. Statistical assessment of trends and oscillations in
rinfall dynamics: analysis of long daily italian series. Atmospheric Research, 77, 188_202.
5) S. Coles, 2004. An introduction to statistical models of extreme values. Springer.
6) C. De Michele, R. Rosso, M. C. Rulli, 2005. Il regime delle precipitazioni intense sul territorio della Lombardia.
Technical report, ARPA Lombardia, Milano.
7) J. R. M. Hosking, 1990. L‐moments: analysis and estimation of distributions using linear combinations of
order statistics. Journal of the Royal Statistical Society, 52B, 105_124.
8) F. A. Isotta, C. Frei, V. Weilguni, M. Per£ec Tadi¢, P. Lasségues, B. Rudolf, V. Pavan, C. Cacciamani, G. Antolini,
S. M. Ratto, L. Maraldo, S. Micheletti, V. Bonati, C. Lussana, C. Ronchi, E. Panettieri, G. Marigo, G. Verta£nik,
2013. The climate of daily precipitation in the Alps: development and analysis of a high‐resolution grid
dataset from pan‐alpine rain‐gauge data. International Journal of Climatology, Submitted. 17
9) M. G. Klein Tank, F. W. Zwiers, X. Zhang, 2009. Guidelines on analysis of extremes in a changing climate in
support of informed decisions for adaptation. WCDMP‐72, WMO‐TD, 1500.
10) C. Lussana, F. Uboldi, M. R. Salvati, 2010. A spatial consistency test for surface observations from mesoscale
meteorological networks. Quarterly Journal of the Royal Meteorological Society, 136, 1075_1088.
11) M. Ranci, C. Lussana, 2009. An automated data quality control procedure applied to a mesoscale
meteorological network. In: 9th EMS Annual Meeting, 9th European Conference on Applications of
Meteorology (ECAM) Abstracts, held Sept. 28‐Oct. 2, 2009 in Toulouse, France.
http://meetings.copernicus.org/ems2009/, id. EMS2009‐335. p. 335.
12) F. Uboldi, C. Lussana, M. Salvati, 2008. Three‐dimensional spatial interpolation of surface meteorological
observations from high‐resolution local networks. Meteorological Applications, 15, 331_345.
13) F. Uboldi, A.Sulis, C.Lussana, M.Cislaghi, M.Russo, 2013. A spatial bootstrap technique for parameter
estimation of rainfall annual maxima distribution, in corso di sottomissione. Per info: uboldi@magritte.it.
14) S. Wilks, 2011. Statistical Methods in the Atmospheric Sciences, 3rd Edition. Elsevier.
15) Servizio Idrografico Italiano, 1976. Elenco delle stazioni termopluviometriche del Servizio Idrografico
Italiano (situazione al 1970), Pubblicazione n.27 del Servizio.
16) Z. W. Kundzewicz and A. Robson, 2000, World Climate Programme – Water, Detecting trend and other
changes in hydrological data, WCDMP – 45, WMO/TD‐No. 1013, Geneva, May.
17) Xiaolan L. Wang ET AL.,2010, New techniques for detection and adjustment of shifts in daily precipitation
data series, J. APPL. METEOR. CLIMATOL.
18) Xiaolan L. Wang ET AL.,2007. Changepoint Detection in Periodic and Autocorrelated Time Series, JOURNAL
OF CLIMATE, VOL 20.
15Le piogge intense e le valanghe in Lombardia 2. La stima integrata delle precipitazioni ad alta risoluzione spaziale mediante rilievi a terra e immagini radar 2.1 Stima della pioggia ad alta risoluzione spaziale e temporale Un banca dati della precipitazione su aree molto vaste, quali ad esempio le provincie o le regioni, con un’elevata risoluzione spaziale e temporale costituisce uno strumento di lavoro molto importante poiché l’accumulo di precipitazione è fondamentale in ambito idrologico, agricolo, energetico. I meteorologi traggono dalla conoscenza di questa grandezza preziose indicazioni nella verifica delle previsioni meteo, sulla distribuzione areale della stessa e sui tempi di ritorno degli eventi particolarmente intensi. Gli idrologi e i progettisti di opere idrauliche possono studiare al meglio il comportamento dei bacini imbriferi a piccola o grande scala e possono dimensionare i loro progetti sulla base delle portate attese. Gli operatori di Protezione Civile possono utilizzare questi dati per valutare il comportamento delle zone a maggior rischio idrogeologico e trarre indicazioni per la salvaguardia della popolazione per eventi futuri. La precipitazione viene tradizionalmente misurata con il pluviometro e numerosi pluviometri distribuiti sul territorio, connessi ad una centrale di raccolta dati, danno origine ad una rete di misura. A partire dalla fine degli anni 80 è cominciata la diffusione dei radar meteorologici, una variante dei radar per applicazioni militari, caratterizzati da microonde tra 1 e 10 cm ed in grado di interagire con le gocce di pioggia attraverso lo scattering di Rayleigh. Un radar meteorologico è perciò uno strumento di telerilevamento attivo in grado di stimare la precipitazione in atto su vaste aree (pioggia, neve, grandine), con portate che variano dai 30 km ai 250 km a seconda della potenza e della lunghezza d’onda utilizzate (banda K,X,C,S). In Italia vengono utilizzati per lo più radar in banda C (5 – 6 cm) con portate di misura fino a circa 200 km, una risoluzione spaziale di misura tipica di 1 km ed in grado di fornire mappe istantanee di precipitazione ad intervalli di 5‐15 minuti. La stima della precipitazione è fatta in maniera indiretta attraverso la misura del segnale di ritorno, o riflettività, derivante dall’interazione dell’impulso elettromagnetico emesso con le gocce di pioggia. Dalla misura della riflettività radar Z espressa in dBz, è possibile ottenere attraverso relazioni empiriche, una stima approssimata della precipitazione in atto in termini di flusso in mm/h. Il radar, monitorando aree molto vaste (dell’ordine di 400 x 400 km) riesce ad osservare i sistemi precipitanti prima che interessino l’area del bacino imbrifero e, se questi si spostano orizzontalmente in modo regolare, è possibile elaborare una previsione a brevissima scadenza (nowcasting). Questa possibilità del radar è ancora più realistica quando si dispone di una rete di radar che permette la cosiddetta “mosaicatura” delle immagini, come la rete radar della Protezione Civile Nazionale. Questa potenzialità è sicuramente superiore, come copertura spazio‐temporale, a qualsiasi rete pluviometrica in tempo reale esistente o ipotizzabile e a qualsiasi sistema satellitare attuale. Per contro in zone 16
Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
orograficamente complesse gli impulsi emessi dal radar possono non raggiungere tutti gli strati di una
nube precipitante e l’attendibilità della stima della precipitazione fatta con radar diminuisce.
Sul territorio lombardo operano da diversi anni una importante rete pluviometrica e dal 1993 un radar
meteorologico in banca C posto sul Monte Lema a circa 1600 m di quota, gestito da Meteo Svizzera,
che copre interamente la regione, come mostra la figura seguente che rappresenta la quota minima
s.l.m. di scansione del radar sul territorio.
La disponibilità delle stime radar presso RSE (Ricerca sul Sistema Energetico) e delle misure della rete
pluviometrica presso ARPA Lombardia, hanno stimolato la realizzazione di una banca dati che riunisse
in un unico strumento le potenzialità di entrambe. La banca dati è stata realizzata con l’obiettivo di
mettere a punto strumenti di previsione e prevenzione basati su intensità e durata delle precipitazioni
in un arco di tempo sufficientemente esteso.
Figura 11 ‐ Mappa della visibilità del radar di Monte Lema, con la quale si rappresenta la precisione delle misure.
Le stime radar di precipitazione e le misure della rete pluviometrica sono state organizzate nella banca
dati BDPAR (Banca Dati Precipitazione ad Alta Risoluzione), per essere facilmente utilizzate e
sincronizzate e per consentire la calibrazione delle stime radar.
La struttura della banca dati è articolata su quattro tabelle, due di dati e due di anagrafica, come
mostrato nello schema seguente:
17Le piogge intense e le valanghe in Lombardia
Nella banca dati sono stati caricati ed integrati su un’ora tutti i dati radar a partire dal luglio 1997 fino
all’aprile 2011. L’accumulo orario è stato realizzato integrando le mappe sub‐orarie del radar
disponibili ad intervalli di 5‐15’. Prima dell’accumulo orario, ogni mappa sub‐oraria è stata sottoposta
ad un trattamento preventivo di “declutter” statistico che ha permesso di eliminare buona parte del
rumore presente non dovuto ad echi di precipitazione, come mostrano le figure seguenti:
I dati radar orari così trattati e caricati in database costituiscono i dati “radar grezzi”, ovvero dati
originali che non hanno subito modifiche e da cui è sempre possibile ripartire per qualsiasi tipo di
elaborazione. Per motivi di spazio nel database sono presenti solo dati di precipitazione >0. Nella
banca dati sono stati caricati anche i dati di circa 500 stazioni pluviometriche della rete regionale, a
partire sempre dal 1997. Anche per i pluviometri sono stati realizzati accumuli orari mediante
l’integrazione delle misure sub‐orarie disponibili.
Figura 12 ‐ Localizzazione dei 550 siti di misura della
precipitazione della rete SIMN+ARPA
Tutti i dati caricati nel database hanno
passo orario per poter essere
sincronizzati e l’ora di riferimento,
espressa in UTC, si riferisce al termine
dell’accumulo orario.
18Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
2.2 Il modello di calibrazione del radar
Il miglioramento della stima della precipitazione fatta con radar è un problema ancora aperto, e la
strada che tutti cercano di percorrere è quella della correzione sul radar basata su un confronto on‐
line con i dati pluviometrici esistenti.
I campi di precipitazione radar forniti da Meteo Svizzera rappresentano la miglior stima ottenuta dal
profilo verticale di riflettività e vengono verificati mediante i pluviometri in territorio svizzero. Tuttavia
il confronto delle stime radar con una serie di pluviometri sul territorio lombardo mostra, in zone
orograficamente complesse e quindi a ridotta visibilità radar, la presenza di sottostime radar
sistematiche dovute al blocco del fascio radar ad altezze variabili in funzione dell’orografia.
Analizzando questi errori sistematici tra radar e pluviometri in Lombardia è emersa una correlazione
tra la ridotta visibilità radar sulle stazioni pluviometriche e la sottostima delle misure radar. Questa
sottostima è ancor più accentuata se le precipitazioni sono di tipo stratiforme in quanto avvengono
con nubi a quote più basse e più facilmente occultate dai rilievi. Su questa considerazione è stato
studiato da RSE un algoritmo in grado di correggere i dati radar grezzi, basato sulla differenza tra
l’altezza minima del fascio radar sopra il pluviometro (quota minima di visibilità radar s.l.m.) e la quota
s.l.m. dello stesso, chiamata ∆q. Queste correlazioni hanno permesso di mettere a punto una funzione
di correzione delle stime radar che dipende unicamente dall’orografia e dalla stagionalità della
precipitazione, secondo la relazione
radar_cal = radar_grezzo * k(mese)(∆q)
in cui k è il coefficiente di correzione del dato radar grezzo per ottenere il dato radar calibrato.
Tale correzione viene applicata contemporaneamente a tutti i punti di ciascun campo di precipitazione
oraria radar, essendo disponibile, attraverso la tabella anagrafica dei punti radar, sia la quota di
visibilità radar su ciascun punto del territorio coperto che la quota del punto stesso. La messa a punto
di questo metodo è stata effettuata attraverso una prima selezione dal database di misure
pluviometriche affidabili per un periodo di due anni (2007‐2008), con una disponibilità dei dati >70%
per ciascuno dei due anni considerati. I pluviometri selezionati sono stati 234. I pluviometri sono stati
poi divisi in 6 differenti intervalli di ∆q, scelti in modo da avere un numero equivalente di stazioni per
ciascuna fascia.
Il successivo criterio di selezione si è basato sul coefficiente di determinazione R2, ottenuto correlando
i dati orari dei pluviometri per ciascuna fascia ∆q di con il dato radar medio di un box di 3x3km centrato
su ciascun pluviometro. Sono stati selezionati i pluviometri aventi un R2 >0.43, corrispondente ad un
coefficiente di correlazione di 0.65, essendo applicata una regressione lineare.
Per ciascuna delle 6 fasce ∆q ottenute e per ciascun mese, e per i pluviometri scelti in ciascuna fascia
è stato calcolato il rapporto:
k(mese)(∆q) = ∑G(mese)(∆q) / ∑R(mese)(∆q)
in cui:
∑G(mese)(∆q) esprime la sommatoria della precipitazione misurata dai pluviometri nel mese, per una
delle sei fasce,
∑R(mese)(∆q) esprime la sommatoria della precipitazione grezza stimata dal radar nel mese sul box
3x3km centrato sul pluviometro, per una delle sei fasce.
19Le piogge intense e le valanghe in Lombardia
Per le 6 fasce considerate e per i 12 mesi si ottiene una matrice di calibrazione, rappresentabile nel
modo seguente, in cui il fattore k è rappresentato sull’asse Z:
6.00
5.00
4.00
5.00-6.00
3.00 4.00-5.00
3.00-4.00
2.00 2.00-3.00
1.00-2.00
1.00
0.00-1.00
0.00
[1954 2525)
RmeseJan
RmeseMar
RmeseMay
RmeseJul
[0 1364)
RmeseSep
RmeseNov
È evidente, ma anche atteso, che è necessaria una maggior correzione nel periodo invernale e che
questa correzione cresce anche al ridursi della visibilità radar sul territorio. La matrice di correzione
così ottenuta è stata applicata a ciascun punto all’intero dataset dei dati radar grezzi.
Le due figure seguenti mostrano la stessa mappa radar estratta dalla banca dati, ottenuta da dati grezzi
‐ a sinistra ‐ e calibrati ‐ a destra:
La figura seguente presenta per la stazione pluviometrica di Sarnico(BG) un esempio di misure estratte
dalla banca dati di circa una settimana, rispettivamente il pluviometro, il radar grezzo ed il radar
calibrato.
20Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
SARNICO STATION - RAIN TIME SERIES
8
gauge
7
radar
radar cal
6
5
RAIN [mm]
4
3
2
1
0
1/2/09 0.00
1/2/09 6.00
1/2/09 12.00
1/2/09 18.00
2/2/09 0.00
2/2/09 6.00
2/2/09 12.00
2/2/09 18.00
3/2/09 0.00
3/2/09 6.00
3/2/09 12.00
3/2/09 18.00
4/2/09 0.00
4/2/09 6.00
4/2/09 12.00
4/2/09 18.00
5/2/09 0.00
5/2/09 6.00
5/2/09 12.00
5/2/09 18.00
6/2/09 0.00
6/2/09 6.00
6/2/09 12.00
6/2/09 18.00
7/2/09 0.00
7/2/09 6.00
7/2/09 12.00
7/2/09 18.00
8/2/09 0.00
TIME
2.3 Il sistema di divulgazione delle informazioni
ARPA Lombardia ha sviluppato un visualizzatore cartografico dedicato alla divulgazione in ambiente
web del BDPAR descritto nel paragrafo precedente. I dati sono divulgati con la licenza di utilizzo “Italian
Open Data Licence 2.0” e sono corredati dai metadati utili alla loro interpretazione. L’area territoriale
sulla quale sono stati pubblicati i dati è la Lombardia idrologica, costituita dal territorio lombardo e dai
territori dei bacini extraregionali le cui acque precipitate scorrono sul territorio lombardo: in
particolare i bacini di Toce, Ticino, Liro, Poschiavo, Chiese e Sarca.
Il sistema è accessibile online dal sito web istituzionale e ha le seguenti caratteristiche:
‐ 4 scale spaziali: punto griglia (area 1x1 km2), Comune, Provincia, bacino idrografico;
‐ modalità di visualizzazione degli strati informativi per scenari predefiniti o personalizzabili
dall’utente con salvataggio in locale;
‐ possibilità di attivazione e di selezione autonoma da parte dell’utente di tutti gli strati informativi
pubblicati;
‐ personalizzazione di classi ed estremi delle scale cromatiche della legenda, personalizzazione dei
confini delle unità cartografiche
‐ sul singolo strato informativo è possibile impostare il livello di trasparenza.
‐ servizi di mappa: localizzatore, zoom, pan, misuratore distanze e aree, selettore singolo;
‐ sfondi e servizi web di Google, Bing e cartografia ufficiale edita da Regione Lombardia, strati
informativi relativi ai rischi naturali legati alle precipitazioni intense: Inventario dei fenomeni
franosi in Lombardia‐IFFI, corpi idrici, aree omogenee di allertamento di Protezione Civile;
21Le piogge intense e le valanghe in Lombardia
Figura 13 ‐ Veste
grafica del
visualizzatore
cartografico delle
stime integrate di
precipitazione.
Estrazione dati
cumulati annuali
2000 sul territorio
lombardo e
interrogazione di un
punto griglia.
I dati possono essere interrogati in due diverse modalità: come mappe in ambiente gis oppure come
serie storiche di un’unità cartografica selezionata. La produzione della mappa avviene attraverso la
selezione dei parametri in ambiente cartografico, l’interrogazione della serie storica avviene
selezionando l’unità cartografica di intesse a partire dalla mappa, si configura quindi come un ulteriore
dettaglio del punto selezionato in ambiente gis.
La consultazione dei dati ha le seguenti caratteristiche:
‐ visualizzazione delle mappe di pioggia orarie o cumulate su un intervallo di tempo definito
dall’utente;
‐ visualizzazione della “visibilità radar” come indicatore della qualità della stima di pioggia;
‐ ambiente di consultazione della serie storica differenziato per tipo di dato: pioggia da modello di
stima integrata radar+misure o da sole misure a terra;
‐ consultazione della serie storica interattiva: possibilità di modificare estremi e aggregazione
temporale, confrontare le due diverse modalità di stima, affiancare i dati di partenza, che pure
sono delle elaborazioni originali del dato prodotto dal radar;
‐ visualizzazione di grafici interrogabili con aggregazione temporale automatica, sezione di
visualizzazione dei dati, sezione di esportazione dati, personalizzazione del formato di
esportazione in diversi formati.
Le modalità di esportazione dei dati sono due:
‐ esportazione diretta della mappa oraria o cumulata in ambiente gis, con la possibilità di
personalizzazione del sistema di coordinate e del formato dei dati;
‐ esportazione della serie storica dei dati in ambiente di consultazione, con possibilità di scelta di
variabili, estremi temporali, aggregazione temporale e formato.
22Il monitoraggio degli eventi estremi come strategia di adattamento ai cambiamenti climatici
Figura 14 ‐ Ambiente
di consultazione della
serie storica.
Informazioni generali,
grafico interrogabile,
tabella dei dati,
funzioni di
esportazione.
Il servizio di consultazione è libero e gratuito e le richieste dati vengono processate in tempo reale.
Accanto alla finestra di esportazione del dato è possibile accedere e scaricare anche tutta la
documentazione relativa al dataset.
Un aspetto interessante dell’attività di sviluppo del sistema di divulgazione del dataset, che di fatto è
stato il primo utilizzo operativo a scala sinottica dei dati, è il feedback positivo che ha avuto sul modello
di stima stesso: durante la fase di test sono stati individuati alcuni valori pluviometrici anomali isolati
che davano origine ad una sistematica sovrastima della pioggia in circa 300 punti del territorio
analizzato. Tali dati, fisicamente non ammissibili, erano localizzati sistematicamente nelle stesse
posizioni geografiche e rappresentano probabilmente disturbi definiti in gergo tecnico “clutter”: sono
diventati visibili in modo più evidente proprio a seguito delle elaborazioni delle grandezze cumulate
giornaliere, mensili e annuali a scala disaggregata e a scala aggregata. Questo ha permesso di mettere
a punto in modo condiviso con gli sviluppatori del modello di calibrazione una modalità operativa di
bonifica dei valori anomali, che ha migliorato notevolmente la qualità del dato pubblicato.
Il sottoinsieme dei dati con visibilità inferiore ai 4000 m appare infine di grande utilità per analisi di
tipo quantitativo puntale su dati orari e su precipitazioni cumulate inferiori alle 24 ore, individuando
quindi con una migliore approssimazione le informazioni quantitative relative agli eventi estremi,
tipicamente sottostimati dai soli rilievi a terra. Nei punti con visibilità al di sopra dei 4000 m la stima
di precipitazione ha comunque una valenza indicativa e si può utilizzare per analisi climatiche di tipo
qualitativo, come la determinazione puntuale di indicatori climatici di soglia basati sulla distinzione
pioggia/non pioggia (es. numero di giorni piovosi).
23Le piogge intense e le valanghe in Lombardia
3. Attività svolte dal Centro Nivometeorologico di ARPA Lombardia per lo
studio e la valutazione qualitativa del manto nevoso sul territorio alpino
lombardo
Il Centro Nivometeorologico di ARPA Lombardia, ubicato a Bormio (So), ha competenze su tutto il
territorio regionale in materia di studio e previsione sulla neve, le valanghe, i ghiacciai, la meteorologia
alpina e la sicurezza e prevenzione sulle attività in montagna.
Nell’ambito del progetto Interreg STRADA ha seguito l’Azione 4, incentrata sullo studio delle valanghe
di piccole e medie dimensioni.
3.1 Implementazione sensoristica delle stazioni nivometeorologiche esistenti
Negli ultimi anni il numero delle stazioni nivometeorologiche automatiche è andato sensibilmente
aumentando in tutto l’arco alpino. ARPA Lombardia ha una rete di stazioni automatiche distribuite in
modo estremamente capillare sul territorio della Lombardia per il monitoraggio Idro‐Nivo‐
Meteorologico e della Qualità dell’aria con un totale di oltre 400 stazioni.
Il CNM, per il monitoraggio
della neve e delle valanghe,
si avvale di decine di stazioni
automatiche dotate di
nivometro.
Di queste, ben 11 sono
dislocate tre i 1700 m e i
3050 m di quota e, oltre che
della sensoristica meteo‐
rologica, sono munite di
specifici sensori per il rilievo
di parametri nivologici,
come temperature interne
della neve, temperatura
Figura 15 ‐ Distribuzione della rete di rilevamento utilizzata dal CNM sul territorio
Lombardo superficiale della neve,
temperatura suolo, altezza
totale del manto nevoso, pluviometro riscaldato, radiazione incidente e riflessa.
I dati meteorologici e nivologici vengono analizzati e interpretati dai tecnici del Centro
Nivometeorologico, consentendo così di stimare l’evoluzione del manto nevoso nelle zone
monitorate. Combinando ad essi l’analisi dei profili stratigrafici della neve risulta così possibile ricavare
indicazioni circa il pericolo di valanghe.
24Puoi anche leggere
