Dottorato in SCIENZE DELLA TERRA

Titolo della tesi: Role of wildfires and snow covers as preparatory factors in multi-hazard shallow landslide scenarios through ML emulators

Negli studi sui fenomeni franosi, i fattori preparatori sono processi dinamici che modificano progressivamente la stabilità di un versante senza innescare il movimento. Sebbene secondari rispetto ai fattori predisponenti e innescanti, essi influenzano in modo non trascurabile la pericolosità di frana. Incendi boschivi e coltri nevose rappresentano processi preparatori comuni che modificano dinamicamente la stabilità dei versanti in relazione alle frane superficiali. In un contesto di multi-hazard, lo scenario di frana indotto da un terremoto o da precipitazioni intense può variare se anticipato da incendi recenti nell’area o in presenza di un manto nevoso al suolo, come conseguenza degli effetti preparatori di tali processi. Nonostante la loro rilevanza, i fattori preparatori non sono facili da considerare negli studi di zonazione di frana a causa della limitata disponibilità di dati. Sebbene recenti modelli data-driven dinamici basati su Machine Learning (ML) possano rappresentare uno strumento adatto, l’assenza di inventari di frana affidabili ne impedisce l’applicazione. Per superare tali limitazioni, questo studio presenta una nuova metodologia basata su emulatori basati su ML addestrati su simulazioni fisicamente basate, allo scopo di analizzare incendi boschivi e coperture nevose come fattori preparatori delle frane superficiali. Le simulazioni generate consistono in scenari di frane preparate da incendi e neve e innescate da terremoti o precipitazioni, generati mediante due versioni modificate del già esistente modello PARSIFAL, opportunamente strutturate per considerare gli effetti preparatori di incendi e neve. I corrispondenti emulatori, basati su Random Forest, sono stati progettati per riprodurre gli scenari deterministici migliorando al contempo l’efficienza computazionale, la generalizzabilità e la trasferibilità attraverso l’uso di proxy in sostituzione dei più complessi parametri geotecnici. Sono stati esaminati due casi di studio: il Monte Epomeo (isola d’Ischia, Italia) e l’area del lago di Campotosto (Appennino centrale, Italia), rispettivamente per studiare versanti preparati da incendi e da neve. I risultati degli emulatori e dei modelli fisicamente basati utilizzati per addestrarli evidenziano i differenti effetti dei due fattori preparatori, in entrambi i casi non trascurabili. Gli incendi boschivi riducono la resistenza delle coltri superficiali, depauperando il contributo radicale e aumentando, così, la probabilità di frane superficiali indotte da piogge per un intervallo temporale che generalmente dura alcuni anni. Le coperture nevose producono effetti più modesti, modificando lo stato tensionale delle coltri durante i cicli stagionali di accumulo e fusione, e incrementando l’instabilità indotta da terremoti. In entrambi i casi, gli emulatori hanno riprodotto accuratamente gli scenari franosi fisicamente basati, risultando strumenti efficienti dal punto di vista computazionale e potenzialmente idonei al supporto decisionale e all’analisi in tempo reale degli scenari in contesti di multi-hazard.