Upload
phungdiep
View
226
Download
3
Embed Size (px)
Citation preview
1
XXXIII CONFERENZA ITALIANA DI SCIENZE REGIONALI
VERSO UN APPROCCIO INTEGRATO ALLA VALUTAZIONE: L’ANALISI
MULTICRITERI SPAZIALE
Valentina FERRETTI1
SOMMARIO
La valutazione della sostenibilità degli interventi di trasformazione del territorio è ormai un
tema non eludibile e di centrale importanza nel dibattito culturale, scientifico e politico. Un
utile supporto in tale contesto è fornito dai cosiddetti modelli Multicriteria- Spatial Decision
Support Systems i quali, nascendo dall’integrazione tra Geographic Information Systems e
tecniche di Analisi Multicriteri, costituiscono una piattaforma ideale per l’analisi, la
strutturazione e la risoluzione di problemi inerenti alla gestione dell’ambiente e del territorio.
Obiettivo del presente contributo è quello di esplorare strumenti di lavoro innovativi in grado
di aiutare la comprensione dei fenomeni complessi relativi alle trasformazioni del territorio e,
in particolare, di evidenziare il contributo delle Analisi Multicriteri spaziali all’interno delle
procedure di valutazione ambientale e di pianificazione. In particolare, viene proposta
l’integrazione tra la tecnica di Analisi Multicriteri denominata Analytic Network Process e il
GIS, indagandone limiti e potenzialità attraverso lo sviluppo di un’analisi di idoneità del
territorio alla localizzazione di un’infrastruttura per la gestione dei rifiuti.
Parole chiave: Multicriteria- Spatial Decision Support Systems, Analisi Multicriteri, Analytic Network
Process, Geographic Information Systems.
1 Politecnico di Torino, Dipartimento Interateneo di Scienze, Progetto e Politiche del Territorio (DIST), Castello
del Valentino, Viale Mattioli, 39, 10125 Torino. E-mail: [email protected].
2
1 Introduzione
I problemi decisionali inerenti alle valutazioni di sostenibilità delle trasformazioni territoriali
e, più in generale, alla gestione dell’ambiente e delle risorse naturali, sono tipicamente
caratterizzati dal coinvolgere una componente spaziale (individuazione di aree idonee ad
ospitare discariche, Valutazione Ambientale Strategica di piani regolatori, etc.), dal richiedere
più di un criterio di valutazione e dal perseguire più di un obiettivo (protezione dell’ambiente,
ma anche crescita economica e giustizia sociale, ossia sviluppo sostenibile).
Al fine di gestire la crescente complessità in tale contesto di analisi è necessario garantire, da
un lato, un approccio sistemico e di tipo non lineare e, dall’altro, un’integrazione di metodi e
discipline.
Questo ha stimolato, in fase operativa, l’integrazione delle funzioni spaziali tipiche dei
Geographic Information Systems (GIS) con quelle di Analisi Multicriteri (AMC) tipiche dei
Decision Support Systems (DSS; Burstein e Holsapple, 2008), generando i modelli
denominati Multicriteria- Spatial Decision Support Systems (MC-SDSS; Malczewski, 1999) e
sviluppando una piattaforma ideale per l’analisi, la strutturazione e la risoluzione di problemi
inerenti alla gestione dell’ambiente e del territorio (Geneletti, 2000).
I modelli MC-SDSS consentono, infatti, di integrare le dimensioni della sostenibilità (società,
economia, ambiente) offrendo un approccio olistico ai problemi, di identificare relazioni e
feedbacks, di introdurre esplicitamente limiti/vincoli e di dimostrare l’importanza del “dove”
in unione al “cosa” e al “quanto”, svolgendo così un ruolo di fondamentale importanza nel
percorso verso la sostenibilità.
Tali tecniche fanno parte del sottoinsieme degli strumenti di supporto alla decisione
denominato strumenti di supporto alla decisione spaziale (Spatial Decision Support Systems,
SDSS; Spatial Decision Support Knowledge Portal, 2012) e, basandosi sull’integrazione tra
strumenti GIS e Analisi Multicriteri, offrono il duplice vantaggio di organizzare, gestire ed
integrare la grande quantità di dati geografici necessari allo studio e di strutturare il problema
decisionale attraverso l’elaborazione e la modellazione delle preferenze dei decisori,
incorporando così il processo decisionale all’interno di un sistema geografico (Malczewski,
1999).
Lo studio della letteratura relativa ai modelli MC-SDSS ha evidenziato come essi
costituiscano strumenti di analisi e valutazione recentemente sviluppati in campo
internazionale ma ancora scarsamente sperimentati a livello nazionale e come essi
rappresentino una delle più recenti evoluzioni delle procedure di valutazione nell’ambito degli
interventi di trasformazione territoriale.
Permettendo, infatti, di affiancare ai dati ambientali anche informazioni di carattere
economico e sociale, di confrontarli, di garantire una partecipazione attiva degli attori
3
coinvolti all’interno del processo decisionale, di generare alternative e di rappresentare l’esito
finale secondo mappe tematiche specifiche, tali modelli garantiscono un supporto rilevante
nello sviluppo dei processi decisionali e si dimostrano essere di particolare interesse
soprattutto all’interno delle procedure di Valutazione di Impatto Ambientale (VIA),
Valutazione Ambientale Strategica (VAS) e Valutazione di Incidenza Ecologica (VIE), per le
quali il confronto tra diversi interventi alternativi, vero e proprio fulcro della valutazione,
costituisce paradossalmente ancora la parte meno sviluppata all’interno del processo
valutativo (Bottero e Mondini, 2009). In tale contesto, le tecniche MC-SDSS si inseriscono
nella fase di valutazione ex- ante quali tecniche capaci di supportare i Decision Makers nel
raggiungimento di un più alto grado di efficacia ed efficienza nelle scelte relative alle
trasformazioni ed al governo del territorio.
Il valore aggiunto fornito dagli MC-SDSS è legato dunque soprattutto all’esplicita
considerazione della dimensione spaziale dei problemi decisionali, caratteristica intrinseca
alle questioni relative alle trasformazioni territoriali.
Obiettivo del presente contributo è quello di illustrare l’avanzamento della conoscenza in
materia di strumenti di supporto alle decisioni spaziali multicriteri, indagandone limiti e
potenzialità attraverso l’applicazione ad un caso studio. Lo scopo specifico dell’applicazione
è quello di valutare l’idoneità del territorio della porzione Nord Est della Provincia di Torino
alla localizzazione di una discarica di rifiuti solidi urbani, evidenziando come l’approccio
metodologico proposto possa rappresentare un supporto efficace nella fase di valutazione ex-
ante per la localizzazione di un’infrastruttura indesiderata.
Da un punto di vista metodologico, il presente contributo sperimenta un approccio innovativo
e propone l’integrazione tra la tecnica di Analisi Multicriteri denominata Analytic Network
Process (ANP, Saaty, 2005), recente evoluzione dell’Analytic Hierarchy Process (AHP,
Saaty, 1980) e i sistemi GIS.
Il risultato dell’applicazione è rappresentato da una mappa di suitability del territorio in esame
che, considerando i trade offs tra i diversi criteri individuati, evidenzia le aree che
rappresentano la soluzione di miglior compromesso per la sostenibilità complessiva
dell’intervento in analisi.
I successivi paragrafi del presente contributo propongono un’analisi dettagliata relativa allo
stato dell’arte delle tecniche MC-SDSS finalizzata ad evidenziare il crescente interesse
manifestato nel corso degli ultimi anni nei confronti di tale innovativa metodologia e,
soprattutto, ad illustrare quali siano i trend più attuali della ricerca in tale settore, presentando
altresì i fondamenti metodologici alla base di tali modelli (sezione 2). Viene poi proposta
l’applicazione del sopra citato approccio integrato per la valutazione dell’idoneità di parte del
territorio della Provincia di Torino alla localizzazione di una discarica (sezione 3) e vengono
infine presentate alcune riflessioni conclusive (sezione 4).
4
2 Le Analisi Multicriteri spaziali
3.1 Stato dell’arte: classificazione della letteratura scientifica pubblicata dal 2007 al 2011
Esiste oggi una letteratura consolidata sui modelli MC-SDSS ed un interessante studio
recentemente sviluppato da Malczewski (2006) con riferimento alla produzione scientifica dal
1990 al 2004 dimostra come tali applicazioni costituiscano un insieme eterogeneo sia per la
tipologia dei problemi affrontati, sia per le metodologie e gli approcci impiegati.
Con riferimento, invece, alla produzione scientifica più recente, il presente paragrafo riassume
i risultati principali della classificazione della letteratura pubblicata dal 2007 al 2011 (Ferretti,
2011b) con l’obiettivo di delineare i trend più attuali della ricerca sui modelli MC-SDSS
tentando di comprendere, in particolare, verso quali approcci metodologici si stiano
orientando le sperimentazioni scientifiche e quali siano i contesti di analisi in cui tali tecniche
sono più utilizzate a livello internazionale. Tale classificazione si basa sui risultati di una
ricerca bibliografica condotta tramite il database SCOPUS2 e finalizzata ad ottenere un elenco
delle pubblicazioni scientifiche aventi per oggetto gli MC-SDSS. Per ottenere tale elenco è
stata impostata la ricerca sulla seguente combinazione di parole chiave:
TITLE-ABS-KEY(("Multicriteria" OR "Multicriteria analysis" OR “MCA” OR “Spatial
Multicriteria Analysis” OR “Spatial Multicriteria Evaluation” OR “SMCE”) AND
("Spatial Decision Support Systems" OR "GIS" OR “Geographic Information
Systems”))
Il risultato di una ricerca così impostata fornisce l’elenco delle pubblicazioni che presentano
la sopra citata combinazione di parole chiave nel titolo, oppure nell’abstract oppure tra le
keywords.
Nel caso in esame il risultato della ricerca è rappresentato da 3873 articoli pubblicati a partire
dal 1990 sino ad oggi. Dal momento che, di questi articoli, la produzione scientifica dal 2007
ad oggi è rappresentata da 231 pubblicazioni venendo così a costituire il 60% del totale degli
articoli pubblicati sul tema, si è deciso di sviluppare una classificazione della letteratura
relativa a questi ultimi 5 anni al fine di delineare quelli che attualmente risultano essere i
campi di più efficace applicazione dei modelli MC-SDSS, le tecniche che vengono
maggiormente utilizzate nell’integrazione con i GIS e gli approcci metodologici prediletti. Per
la classificazione dettagliata della letteratura in materia di MC-SDSS il lettore interessato può
fare riferimento a Malczewski (2006) e Ferretti (2011b).
2 www.scopus.com
3 La ricerca bibliografica è aggiornata al 17 Novembre 2011
5
La Figura 1 illustra lo sviluppo dei metodi MC-SDSS in termini di numero di articoli
pubblicati su riviste sottoposte a revisione a partire dal 19904 sino ad oggi e il numero
cumulato degli stessi. Osservando la figura è possibile notare come lo sviluppo dei metodi
MC-SDSS sia stato modesto negli anni novanta ma abbia attratto crescente attenzione a
partire dal 2000 in avanti.
0
50
100
150
200
250
300
350
400
450
0
10
20
30
40
50
60
70
199
0
199
1
199
3
199
4
199
5
199
6
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
Numero di articoli Numero cumulativo di articoli
Figura 1 - Numero di articoli pubblicati sugli MC-SDSS per anno dal 1990 al 2011 (Fonte:
elaborazione dati da SCOPUS)
Negli ultimi sei anni, in particolare, il numero di pubblicazioni sottoposte a revisione ha
continuato a crescere molto rapidamente. Su 387 articoli circa il 68% è stato, infatti,
pubblicato nel suddetto arco temporale.
La rapida crescita del numero di ricerche sui metodi MC-SDSS può essere attribuita ai
seguenti fattori (Malczewski, 2006): (i) riconoscimento del ruolo essenziale svolto dall’analisi
e dal supporto decisionale nei sistemi informativi geografici; (ii) disponibilità di software di
Analisi Multicriteri a basso costo e di facile utilizzo come Expert Choice e di strumenti di
programmazione matematica come LINDO; (iii) disponibilità di moduli di Analisi
Multicriteri integrati in sistemi quali IDRISI, SPANS e TNT-GIS.
4 Nonostante i risultati della ricerca evidenzino una produzione scientifica sul tema a partire dal 1990 in avanti
non bisogna dimenticare che esistono studi antecedenti (Diamond e Wright, 1988; Janssen e Rietveld, 1990;
Moreno e Seigel, 1988) come capitoli di libri e atti di conferenze che sono stati individuati attraverso citazioni in
altri documenti.
6
A livello generale è possibile affermare che i trend attuali della ricerca sui modelli MC-SDSS
(Ferretti, 2011b) evidenziano una predilezione per le metodologie basate sulla teoria Multiple
Attribute Decision-Making e sull’approccio value focused thinking (Keeney, 1992),
sull’utilizzo di dati raster, su di un’integrazione di tipo loose coupling5 tra AMC e GIS e
sull’applicazione di tali modelli a problemi di “land suitability analysis”, o analisi di idoneità
del territorio, le quali hanno l’obiettivo di valutare l’attitudine del territorio ad accogliere la
localizzazione di un nuovo progetto o verso future destinazioni di uso del suolo. In
particolare, la Figura 2 illustra, per ogni contesto di applicazione analizzato nella
classificazione (Ferretti, 2011b), quali siano le tipologie di problema decisionale più
frequentemente affrontate.
3.2 Approccio metodologico
Un MC-SDSS può essere definito come una procedura finalizzata all’identificazione ed al
confronto di soluzioni ad un problema decisionale spaziale semi-strutturato, sulla base di una
combinazione di fattori che possono essere, almeno parzialmente, rappresentati da mappe
(Malczewski, 2006). Nonostante la maggior parte dei problemi di pianificazione territoriale
ed ambientale sia multicriteri in natura, essendo caratterizzata dal coinvolgimento di varie
dimensioni quali quella economica, quella sociale, quella ambientale e quella politica, con
interessi spesso in conflitto fra loro, le tecniche di Analisi Multicriteri spaziali sono state solo
recentemente inserite ed integrate nel campo delle valutazioni di sostenibilità delle
trasformazioni territoriali (Malczewski, 2006; Geneletti e Abdullah, 2009).
L’esigenza di tale integrazione deriva dal fatto che nella realtà non solo i criteri di valutazione
ed i rispettivi attributi, che servono a misurarli, variano nello spazio e devono essere
rappresentati attraverso map layers georeferenziati, ma anche le alternative decisionali da
ordinare sono geograficamente definite, cioè rappresentabili attraverso “primitive
geometriche” a cui sono associati i valori dei criteri di valutazione (Lapucci e Petri, 2009).
L’80% dei dati sui quali si basa l’attività decisionale è stato infatti stimato essere di natura
geografica (Worral, 1991), evidenziando dunque la necessità e la potenzialità per un
approccio integrato-sistemico, che sappia superare le debolezze e sfruttare in modo strategico
la sinergia derivante dall’integrazione di sistemi GIS e tecniche di Analisi Multicriteri.
La pianificazione, intesa come processo di scelta e distribuzione di risorse finalizzato al
raggiungimento di obiettivi e alla progettazione del futuro, rappresenta una tipologia specifica
di attività decisionale.
5 Per una spiegazione dettagliata degli approcci metodologici citati si rimanda a Ferretti (2011c).
7
Figura 2 - Tipologia di problema decisionale affrontato per ogni contesto di applicazione
0
10
20
30
40
50
60
Dis
trib
uzi
on
e u
si d
el s
uo
loSe
lezi
on
e d
i siti
Lan
d s
uita
bili
ty a
na
lysi
sV
alu
tazi
on
i di risc
hio
Va
luta
zio
ni d
i im
pa
tto
Va
luta
zio
ni d
i vu
lne
rab
ilità
Va
luta
zio
ni d
i sc
en
ari
Va
luta
zio
ni d
i p
ian
iD
istr
ibu
zio
ne
di r
iso
rse
An
alis
i di t
rac
cia
ti
8
Per tale ragione, Sharifi e Rodriguez (2002) pongono l’accento sull’importanza del confronto
tra i momenti della pianificazione e le fasi del processo decisionale proposte da Simon (1960)
(Fig. 3).
Planning &
Decision-
Making
Process
Intelligence
(Process
model)
Design
(Planning
model)
Decision/
Choice
(Evaluation
model)
Describe system
Understand system
Assess current situation
Formulate objectives
Formulate model
Generate alternatives
Assess impacts
Evaluate & decide
Communicate results
EV
IDE
NC
E
Figura 1 – Il processo di decision- making a supporto della pianificazione (Fonte:
elaborazione da Sharifi e Rodriguez, 2002)
Figura 3 - Il processo di decision- making a supporto della pianificazione (Fonte:
elaborazione da Sharifi e Rodriguez, 2002)
La struttura presentata in Figura 3 evidenzia come vi sia un flusso di attività dalla fase di
intelligence a quella di design a quella di choice e come le diverse fasi del processo
decisionale comportino il contributo metodologico sia dei sistemi GIS, sia delle tecniche di
Analisi Multicriteri.
In particolare, la fase di intelligence si riferisce alla strutturazione del problema, durante la
quale viene descritto il sistema in esame e vengono individuati gli obiettivi da perseguire.
Uno o più criteri, o attributi, vengono quindi selezionati al fine di descrivere il grado di
raggiungimento di ciascun obiettivo (Keeney, 1992).
La fase di design si fonda sulla raccolta ed elaborazione dei dati ed ha per obiettivo lo
sviluppo della struttura multicriteri dell’analisi attraverso la definizione delle relazioni tra gli
obiettivi, gli attributi e le preferenze del Decision Maker (Malczewski, 1999).
Infine, durante la fase di choice le alternative vengono valutate ed è utile sviluppare analisi di
sensitività, al fine di testare la robustezza del modello e ricavare opportune raccomandazioni.
Il termine “evidenza” in Figura 3 si riferisce all’insieme totale dei dati e delle informazioni
che il decisore ha a disposizione, incluse le capacità necessarie per gestire le varie
informazioni. L’evidenza può basarsi su fatti, valori, conoscenze o esperienze e rappresenta
una risorsa chiave in tutte le fasi del processo decisionale. Una parte considerevole del
9
supporto alla decisione è, infatti, rappresentata dalla raccolta, dalla valutazione e
dall’organizzazione di questi dati in forme utili per l’analisi.
L’Analisi Multicriteri spaziale rappresenta pertanto un significativo passo in avanti rispetto
alle tecniche AMC convenzionali grazie all’esplicita considerazione della componente
spaziale. Le convenzionali tecniche AMC usano infatti tipicamente la media o il totale degli
impatti di un’alternativa sul sistema ambientale, ritenendoli appropriati per l’intera area in
considerazione. Tale assunzione circa l’omogeneità spaziale dell’area oggetto di studio è però
chiaramente poco realistica in quanto i criteri di valutazione, o meglio gli attributi che
servono a misurarli, variano nello spazio.
Rispetto alle tecniche di AMC convenzionali, l’Analisi Multicriteri spaziale richiede quindi
informazioni sul valore dei criteri e sulla localizzazione geografica delle alternative in
aggiunta alle preferenze del Decision Maker.
3 Applicazione al caso studio
3.1 Obiettivi dell’analisi e presentazione dell’area di studio
L’obiettivo generale della presente applicazione è quello di sperimentare un approccio di
valutazione innovativo basato sull’integrazione della tecnica di Analisi Multicriteri
denominata Analytic Network Process (ANP; Saaty, 2005), recente evoluzione dell’Analytic
Hierarchy Process (AHP, Saaty, 1980) con il GIS per lo sviluppo di un modello MC-SDSS
capace di tenere in debita considerazione le interrelazioni tra i fattori caratterizzanti il contesto
decisionale reale.
Mentre l’incorporamento della tecnica AHP all’interno del software IDRISI 3.2 (Eastman,
2001) ha facilitato la sperimentazione di modelli basati sull’accoppiamento AHP-GIS
(Malczewski, 1999), le applicazioni basate sull’integrazione tra ANP e GIS sono pochissime e
presenti solo a livello internazionale (Levy et al., 2007; Nekhay et al., 2009; Neaupane e
Piantanakulchai, 2006; Ferretti, 2011a; Ferretti e Pomarico, 2011). La presente analisi si
configura dunque come una delle prime sperimentazioni dell’integrazione tra i due suddetti
ambiti di ricerca a livello nazionale.
L’obiettivo specifico dell’analisi illustrata nel presente contributo è quello di valutare
l’idoneità del territorio della porzione Nord Est della Provincia di Torino (Figura 4) alla
localizzazione della discarica di rifiuti solidi urbani a servizio del termovalorizzatore di
Gerbido, attraverso l’individuazione delle aree a minima sensibilità ambientale e sociale al
fine di minimizzare ex ante le ripercussioni dell’intervento sul territorio.
A partire dal 2003 l’azienda TRM (Trattamento Rifiuti Metropolitani) ha avviato uno studio
tecnico- ambientale di confronto tra alcune aree candidate ad ospitare l’impianto ad
10
interramento controllato a servizio del termovalorizzatore di Gerbido. Gli studi effettuati
hanno condotto alla definizione di una rosa di siti da sottoporre ad analisi ambientale per la
scelta definitiva, ovvero Foglizzo, Montanaro e Torrazza e all’espressione di una preferenza
per il sito di Montanaro ma, al momento dell’inizio della presente ricerca, non vi era ancora
alcuna alternativa risultata ufficialmente vincente.
La presente applicazione si propone quindi di illustrare lo sviluppo applicativo di un modello
MC-SDSS simulando il processo decisionale e di evidenziare come tale approccio
metodologico innovativo possa rappresentare un supporto efficace nella fase iniziale, detta di
macrolocalizzazione (Programma Provinciale di Gestione dei Rifiuti, 2006) della procedura di
selezione di un sito da adibire a discarica. In particolare, l’applicazione intende rappresentare
uno studio preliminare finalizzato alla caratterizzazione del territorio di una porzione della
Provincia di Torino in termini di idoneità alla localizzazione della discarica.
Figura 4 - Inquadramento territoriale dell’area di studio
3.2 Strutturazione del problema decisionale
La prima fase dell’analisi è rappresentata dalla strutturazione del problema attraverso
l’identificazione dell’obiettivo e la definizione dei criteri di valutazione.
Come precedentemente anticipato, la presente applicazione utilizza la tecnica ANP per
definire il modello decisionale tentando di riflettere la complessità del reale attraverso
l’esplicita considerazione delle interdipendenze esistenti tra i fattori presi in considerazione.
11
La decisione di utilizzare l’ANP per lo sviluppo del modello di Analisi Multicriteri spaziale
nel presente lavoro deriva dalle seguenti motivazioni: (i) la localizzazione di una discarica
costituisce un problema di natura multicriteri; (ii) esistono dipendenze tra i criteri di
valutazione; (iii) l’analisi dettagliata delle interrelazioni esistenti tra i fattori forza gli analisti e
gli attori del territorio a riflettere sulle priorità e sul problema decisionale stesso (Aragonés-
Beltràn et al., 2010); (iv) l’integrazione con il GIS consente di esplorare le potenzialità
associate a tale approccio metodologico innovativo.
La Figura 5 illustra la sequenza di step metodologici adottata nella presente applicazione per
lo sviluppo dell’analisi ANP spaziale.
ALTERNATIVE CRITERI
Dati di base
(Sistema Informativo Territoriale)
Processing
(Distanze, overlay spaziale, densità,
riclassificazioni, etc.)
Standardizzazione [0-1]
(Omogeneizzazione delle scale, costruzione
funzioni di utilità)
Calcolo dei pesi
(confronto a coppie)
Aggregazione/ Ricomposizione gerarchica
(Map algebra)
Analisi di sensitività
(scenari di idoneità)
Mappe degli attributi
Mappe dei criteri e del
goal
Mappe degli scenari
Risultati e raccomandazioni
Figura 5 - Flusso operazionale di un’analisi ANP spaziale (le linee tratteggiate si riferiscono
a meccanismi di feedback)
In particolare, l’approccio adottato nel presente studio è quello “value focused” (Keeney,
1992). La strutturazione del problema decisionale si è concentrata infatti inizialmente sulla
definizione della struttura di valori caratterizzanti il contesto decisionale e, successivamente,
sulla generazione delle alternative potenzialmente idonee.
I criteri per lo sviluppo del modello in esame sono stati selezionati sulla base della letteratura
internazionale (Kontos et al., 2003; Wang et al., 2009; Sharifi e Retsios, 2004; Sharifi et al.,
2009; Nas et al., 2010; Geneletti, 2010; Gemitzi et al., 2007) e della normativa di riferimento
12
(Programma Provinciale di Gestione dei Rifiuti, 2006, DGP 367482/ 2007). Coerentemente
alle indicazioni contenute nel Programma Provinciale di Gestione dei Rifiuti (PPGR, 2006)
sono stati considerati fattori di esclusione, fattori penalizzanti e fattori preferenziali per la
definizione delle aree non idonee e di quelle potenzialmente idonee.
I diversi fattori individuati come significativi ai fini della valutazione di idoneità sono stati
organizzati nel network riportato in Figura 66, secondo la struttura a rete semplice (Saaty,
2005), dove le frecce rappresentano le interdipendenze esistenti tra gli elementi decisionali. A
titolo di esempio è possibile notare come nel caso in esame l’uso del suolo e la distanza dalle
aree protette influenzino l’indice di naturalità.
Al fine di sottolineare come l’idoneità di un sito alla localizzazione di una discarica dipenda
in grande misura dalla posizione del sito stesso (Bottero e Ferretti, 2011; Sharifi e Retsios,
2004), si è deciso nel presente modello di destinare un cluster ai fattori di posizione (gli unici
in grado di massimizzare le caratteristiche positive derivanti dalla localizzazione e dunque di
creare valore aggiunto).
Obiettivo
Valutazione dell’idoneità del
territorio alla localizzazione della
discaricaCOMPONENTI AMBIENTALI
ABIOTICHE
-Idrografia superficiale
-Idrografia sotterranea
-Composizione litologica del suolo
-Uso del suolo
-Pendenza del terreno
-Rischio geologico
-Zone da bonificare
-Aree inondabili
COMPONENTI AMBIENTALI
BIOTICHE
-Aree protette
-Indice Biotico Esteso
-Indice di naturalità
FATTORI SOCIO- ECONOMICI
-Aziende RIR
-Sistema infrastrutturale
-Densità di popolazione
-Mercato immobiliare
FATTORI DI POSIZIONE
-Distanza dal termovalorizzatore
-Distanza dalle zone edificate
-Distanza dalle discariche esistenti
-Aree con quota > 1000 m
-Aree a riserva naturale ed integrata
-Aree in frana o soggette a
movimenti gravitativi
-Aree inondabili per tempi di ritorno
cinquantennali
-Piano Stralcio Fasce Fluviali
-Aree con soggiacenza compresa tra
0 e 3 m
VINCOLI
Figura 6 - Il network decisionale
Al fine di sviluppare l’Analisi Multicriteri spaziale è necessario che a ciascun fattore
identificato nel modello (Fig. 6) venga associata una mappa georeferenziata o data layer
capace di rappresentare la distribuzione spaziale dei valori di performance dei criteri in
6 Per una spiegazione più dettagliata del caso studio si rimanda a Ferretti (2011c).
13
riferimento al raggiungimento dell’obiettivo dell’analisi. I dati grezzi vengono elaborati in
ambiente GIS attraverso calcoli di distanze e di densità, analisi di overlay spaziale e di
riclassificazione di attributi alfanumerici presenti nelle informazioni di base.
Ai fini della rappresentazione spaziale delle mappe è opportuno richiamare le differenze tra:
- vincoli, ovvero criteri escludenti. Le aree escluse assumono nella mappa un valore di
performance pari a zero mentre le aree rimanenti ottengono un valore pari ad uno.
- Fattori, ovvero criteri che contribuiscono secondo un certo livello a determinare
l’idoneità dell’area. Esistono due tipi di fattori: quelli da massimizzare (quando il
criterio contribuisce positivamente al risultato: maggiori sono i valori, meglio è) e
quelli da minimizzare (quando il criterio contribuisce negativamente al risultato:
minori sono i valori, meglio è).
Contrariamente a quanto accade per i vincoli che non possono essere compensati, per i
fattori vi è la possibilità che una performance bassa per un criterio venga compensata
da una performance alta su di un altro criterio.
- Gruppi di fattori. Definiscono un obiettivo intermedio o parziale il cui raggiungimento
è determinato da una combinazione di più fattori.
3.3 Sviluppo del modello
L’applicazione illustrata è stata sviluppata utilizzando il software Superdecision7 per la
determinazione dei pesi dei criteri e il software ILWIS 3.3 (ILWIS 3.3, 2005) per le
operazioni di analisi spaziale.
Per poter relazionare i punteggi relativi a ciascun criterio al grado di idoneità di ciascun pixel
della mappa, questi devono essere trasformati dalle loro unità originali in una scala di valori
attraverso una funzione di standardizzazione capace di rendere i criteri adimensionali, dunque
confrontabili, e rappresentativi del grado di raggiungimento degli obiettivi di valutazione.
Questa operazione viene solitamente condotta attraverso la generazione di una funzione
utilità, ovvero di una curva che rappresenta la relazione tra i punteggi del criterio ed i
corrispondenti punteggi sulla scala di valutazione che varia in genere da 0 (performance
peggiore) a 1 (performance ideale).
La procedura di standardizzazione, ovvero la decisione di come assegnare il valore massimo e
come il valore nullo, e la procedura di pesatura dei criteri costituiscono la parte più soggettiva
dell’analisi.
Per tale ragione, nell’applicazione in esame, è stato organizzato un focus group di esperti per
la condivisione del metodo di standardizzazione adottato per ciascun criterio e per la pesatura
degli stessi criteri.
7 www.superdecisions.com
14
La funzione di standardizzazione utilizzata più frequentemente ed adottata anche nella
presente applicazione è quella lineare. Tale funzione costruisce una relazione lineare tra i
punteggi dei criteri e la significatività percepita degli stessi, valutando un aumento del
punteggio di un criterio nello stesso modo lungo il range di punteggi possibili e mantenendo il
rapporto tra i valori pari al rapporto tra i punteggi originali (Geneletti, 2008).
La Tabella 1 fornisce, per ciascun criterio considerato nell’analisi, la spiegazione della
procedura di standardizzazione adottata.
Tabella 1 - Standardizzazione dei fattori e dei vincoli
Criteri Standardizzazione
VIN
CO
LI
Soggiacenza Le aree con soggiacenza della falda compresa tra 0 e 3 m hanno suitability nulla, le
altre suitability pari a 1.
Aree inondabili Le aree inondabili con tempi di ritorno cinquantennali hanno suitability nulla, le altre
suitability pari a 1.
Aree a riserva
naturale ed
integrata
Le aree protette provinciali istituite, i Siti di Importanza Comunitaria (SIC) e le Zone
di Protezione Speciale (ZPS) hanno suitability nulla, le altre suitability pari a 1.
Altimetria Le aree con quota superiore ai 1000 m hanno suitability nulla, le altre suitability pari
a 1.
Aree in frana Le aree in frana o soggette a movimenti gravitativi hanno suitability nulla, le altre
suitability pari a 1.
Piano Stralcio
Fasce Fluviali
Le fasce di rispetto fluviali hanno suitability nulla, le altre suitability pari a 1.
FA
TT
OR
I
Distanza
dall’idrografia
superficiale
Standardizzazione secondo la funzione lineare crescente: l’estremo inferiore
(suitability nulla) è stato posto a 150 m (fascia di rispetto dalle sponde dei corsi
d’acqua prevista dal PPGR, 2006) e l’estremo superiore (suitability massima) è stato
posto alla distanza massima raggiunta all’interno dei confini dell’area di studio.
Composizione
litologica del
suolo
Funzione monotona lineare a suitability crescente fino alla classe rappresentante le
argille.
Uso del suolo Funzione monotona lineare a suitability decrescente in funzione della classe di uso
del suolo (le aree urbanizzate sono quelle con suitability più elevata, mentre le aree
umide e quelle corrispondenti al reticolo idrografico sono quelle con valori di
suitability più bassi).
Pendenza del
terreno
Standardizzazione secondo la funzione lineare decrescente: sono considerate idonee
pendenze comprese tra 0 e 10% (Nas et al.,2010; Gemitzi et al.,2007), dopodiché
l’idoneità decresce all’aumentare della pendenza.
Rischio
geologico
Funzione monotona lineare a suitability decrescente all’aumentare del livello di
rischio geologico.
Aree inondabili Funzione monotona lineare a suitability decrescente al diminuire dei tempi di ritorno
delle inondazioni.
Idrografia
sotterranea
Funzione lineare monotona a suitability crescente all’aumentare della classe di
soggiacenza della falda. La classe 1 (soggiancenza compresa tra 0 e 3m) ha
suitability nulla in quanto esclusa per effetto del vincolo.
Distanza dalle
zone da
bonificare
Funzione lineare monotona a suitability crescente. La distanza massima in metri
(suitability pari a 1) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
Distanza dalle
aree protette
Funzione lineare monotona a suitability crescente. La distanza massima in metri
(suitability pari a 1) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
Distanza dalle
classi più
sensibili di
Funzione lineare monotona a suitability crescente. La distanza massima in metri
(suitability pari a 1) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
15
Criteri Standardizzazione
Indice Biotico
Esteso
Indice di
Naturalità
Funzione monotona lineare a suitability decrescente all’aumentare del valore
dell’Indice di Naturalità del territorio.
Distanza dal
sistema
infrastrutturale
Standardizzazione secondo la funzione lineare decrescente: fino a 60 m l’idoneità è
considerata nulla (fascia di rispetto da infrastrutture prevista dal PPGR, 2006), a
partire dai 60 m (idoneità massima) il valore di suitability decresce linearmente fino
alla distanza massima raggiunta all’interno dei confini dell’area di studio (suitability
nulla).
Densità di
popolazione
Funzione monotona lineare a suitability decrescente all’aumentare del valore di
densità di popolazione di ciascun Comune.
Mercato
immobiliare
Funzione monotona lineare a suitability decrescente all’aumentare del valore di
mercato del patrimonio immobiliare di ciascun Comune.
Distanza dalle
aziende a
Rischio di
Incidente
Rilevante
Funzione lineare monotona a suitability crescente. La distanza massima in metri
(suitability pari a 1) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
Distanza dal
termovalorizzator
e di Gerbido
Funzione lineare monotona a suitability decrescente. La distanza massima in metri
(suitability nulla) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
Distanza dalle
zone edificate
Standardizzazione secondo la funzione lineare crescente: fino a 500 m l’idoneità è
considerata nulla (buffer dalle zone edificate previsto dal PPGR, 2006), a partire dai
500 m in avanti l’idoneità aumenta linearmente all’aumentare della distanza dalle
zone edificate fino alla distanza massima raggiunta all’interno dei confini dell’area
di studio (suitability massima).
Distanza dalle
discariche
esistenti
Funzione lineare monotona a suitability crescente. La distanza massima in metri
(suitability pari a 1) è stata riposizionata sulla base della distanza massima raggiunta
all’interno dei confini dell’area di studio.
La Figura 7 riporta le mappe standardizzate relative a tutti i fattori e vincoli considerati nel
modello.
Dopo aver standardizzato le mappe dei criteri, il passo successivo dell’analisi consiste
nell’assegnazione di un peso ad ogni fattore. Da un punto di vista metodologico, la fase di
confronto e valutazione secondo la metodologia ANP si articola secondo due livelli distinti: il
confronto tra clusters, più generale e strategico, ed il confronto tra nodi, più specifico e
dettagliato.
Il procedimento di confronto a coppie nell’ANP segue un andamento a “rete” in cui,
imponendo a rotazione ogni elemento della rete come “genitore”, si esprime un giudizio di
preferenza mediante la realizzazione di molteplici confronti a coppie tra tutti gli elementi ad
esso precedentemente collegati (“figli”). Durante lo svolgimento dei vari confronti a coppie si
stabilisce una relazione binaria di preferenza tra i due elementi confrontati rispetto al nodo
genitore.
I giudizi numerici stabiliti sono tratti da una scala numerica a 9 punti, denominata “scala
fondamentale di Saaty” (Saaty, 1980) dove il valore 1 indica che i due aspetti hanno eguale
importanza mentre il valore 9 indica che l’importanza di uno dei due aspetti è estrema.
16
Figura 7 - Mappe standardizzate dei vincoli e dei fattori considerati nell’analisi
Legenda
(valori di suitability)
Vincolo “soggiacenza”
Legenda
(valori di suitability)
Vincolo “aree inondabili”
Vincolo “aree protette” Vincolo “altimetria”
Legenda
(valori di suitability)
Vincolo “frane”
Legenda
(valori di suitability)
Vincolo “fasce fluviali” Distanza dall’idrografia Litologia
Uso del suolo
Legenda
(valori di suitability)
Pendenza del terreno Rischio geologico Aree inondabili
Legenda
(valori di suitability)
Soggiacenza
Legenda
(valori di suitability)
Distanza dalle zone da bonificare Distanza dalle aree protette Distanza dalle classi più sensibili
di IBE
Indice di Naturalità
Legenda
(valori di suitability)
Distanza dal sistema infrastrutturale Densità di popolazione Mercato immobiliare
Legenda
(valori di suitability)
Distanza da Gerbido
Legenda
(valori di suitability)
Distanza dalle zone edificate
Legenda
(valori di suitability)
Distanza dalle discariche
Distanza dalle aziende RIR
Legenda
(valori di suitability)
Legenda
(valori di suitability)
Legenda
(valori di suitability)
Legenda
(valori di suitability)
Legenda
(valori di suitability)
Legenda
(valori di suitability)
Legenda (valori di suitability)
Legenda (valori di suitability)
Legenda (valori di suitability)
17
I valori numerici stabiliti di volta in volta costituiscono delle matrici quadrate di confronto a
coppie degli elementi che vengono determinate ad ogni livello della rete.
Il procedimento di confronto procede quindi attraverso la progressiva formazione di tre
supermatrici:
- la “supermatrice iniziale”, composta dai vettori priorità ottenuti dal confronto a coppie;
- la “supermatrice pesata”, ottenuta moltiplicando i valori della supermatrice iniziale per la
matrice di confronto a coppie ottenuta a livello dei clusters;
- la “supermatrice limite”, ottenuta moltiplicando la supermatrice pesata per sé stessa un
numero di volte tendente a infinito.
La Tabella 2 illustra il vettore delle priorità globali per gli elementi considerati nell’analisi
ottenuto attraverso il sopramenzionato focus group8. Tali priorità rappresentano il punto di
partenza per l’aggregazione e la sintesi finale dei risultati del modello.
I fattori più importanti ai fini della determinazione delle aree più idonee alla localizzazione
della discarica sono risultati essere quelli di posizione, seguiti dai fattori socio- economici,
dalle componenti ambientali biotiche e, infine, dalle componenti ambientali abiotiche.
Tabella 2 - Priorità finali degli elementi del network decisionale
Elementi del networkPriorità
normalizzate
Aree inondabili 0.014
Pendenza del terreno 0.005
Idrografia sotterranea 0.014
Idorgrafia superficiale 0.009
Rischio geologico 0.020
Composizione litologica del suolo 0.013
Uso del suolo 0.009
Zone da bonificare 0.009
Aree protette 0.118
Indice Biotico Esteso 0.016
Indice di Naturalità 0.040
Distanza da zone edificate 0.201
Distanza dal termovalorizzatore 0.127
Distanza dalle discariche esistenti 0.049
Aziende a Rischio di Incidente Rilevante 0.060
Densità di popolazione 0.114
Sistema infrastrutturale 0.123
Mercato immobiliare 0.060
8 Per maggiori dettagli in merito alla fase di pesatura dei fattori si rimanda a Ferretti (2011c).
18
3.4 I risultati
Nell’ultima fase dell’analisi le mappe dei fattori e dei vincoli sono state aggregate in funzione
del peso a loro assegnato, al fine di determinare la mappa di suitability con riferimento
all’obiettivo generale. Tale operazione avviene attraverso l’applicazione di un’opportuna
regola decisionale che determina come ordinare le alternative (ovvero i pixel di ciascuna
mappa), sulla base dei dati (punteggi dei fattori) e delle preferenze dei Decision Makers (pesi
dei criteri).
Nel caso studio in oggetto (Ferretti, 2011d) è stata applicata una combinazione lineare pesata
(Weighted Linear Combination, WLC), la quale calcola per ciascun pixel un valore di
idoneità moltiplicando i valori di performance standardizzati per il peso dei relativi criteri e
sottraendo i vincoli, come illustrato nell’equazione 1.
Sj = Σ Wi Xi Π Ck (1)
dove Sj rappresenta l’idoneità del pixel j alla localizzazione della discarica; Wi è il peso del
fattore i; Xi è il valore standardizzato del fattore i e Ck è la costante relativa al vincolo k.
Attraverso l’applicazione di tale regola decisionale, ciascun pixel ottiene un valore compreso
tra 0 (idoneità nulla) e 1 (idoneità massima). La mappa ottenuta in Figura 8 rappresenta il
risultato finale dell’analisi e costituisce uno strumento di supporto alla decisione per
identificare spazialmente le zone idonee alla localizzazione dell’impianto.
Legenda
(valori di suitability)
Figura 8 - Mappa di suitability complessiva alla localizzazione della discarica
19
Dal risultato ottenuto emerge che una notevole porzione del territorio risulta non idonea alla
localizzazione dell’impianto, mentre i territori che presentano valori maggiori di suitability si
concentrano principalmente nella zona centro- orientale della macroarea oggetto di studio. Si
riscontra inoltre con evidenza come la presenza dei vincoli limiti il numero e l’estensione
geografica delle alternative in quanto per definizione essi rappresentano le restrizioni imposte
allo spazio decisionale e determinano l’insieme delle alternative possibili.
Interessanti riflessioni derivano, inoltre, dall’analisi di sensitività dei risultati sviluppata per
l’applicazione in esame (Ferretti, 2011c); quest’ultima permette, infatti, di considerare il
modello robusto in quanto, nonostante si registrino delle variazioni dei valori di suitability nei
diversi scenari di sensitività, le zone a maggiore idoneità si mantengono sempre quelle della
porzione centro- orientale dell’area di studio.
4 Conclusioni e sviluppi futuri
La trattazione ha messo in luce le potenzialità dell’integrazione tra le tecniche GIS e le
Analisi Multicriteri, esplicitando come tale approccio sia di grande utilità nel fornire supporto
alle decisioni in modo sistemico, trasparente e ripercorribile, grazie ad una presentazione
chiara e razionale dei risultati dell’analisi agevolata dalla creazione di mappe tematiche.
Alla luce degli esiti dell’applicazione sviluppata, numerose sembrano essere le potenzialità
dell’approccio ANP spaziale nell’ambito della valutazione degli interventi di trasformazione
territoriale. In primo luogo, l’analisi ha permesso di evidenziare quali siano gli elementi più
significativi ai fini della decisione attraverso un processo di valutazione trasparente.
In secondo luogo, l’applicazione ha evidenziato come le Analisi Multicriteri spaziali possano
offrire un supporto efficace alla fase di pianificazione strategica degli interventi di
trasformazione territoriale, fornendo una base conoscitiva utile per le successive analisi di
maggior dettaglio (micro-localizzazione).
Una delle potenzialità più significative dei modelli MC-SDSS fa dunque riferimento al
supporto da essi fornito sia alla fase di pianificazione, dove essi possono aiutare a generare le
opzioni alternative, sia alla fase di valutazione, nella quale consentono il confronto delle
alternative sulla base di una molteplicità di criteri al fine di esplicitarne gli impatti, i livelli di
trade-off e l’attrattività globale.
L’applicazione sviluppata ha anche evidenziato come i limiti di un’Analisi Multicriteri
spaziale facciano essenzialmente riferimento alla disponibilità e all’accessibilità dei dati
20
spaziali, raramente di tipo pubblico e comunque dispersi tra i vari enti, e alla necessità di
elaborazioni preliminari sui dati prima di poterli utilizzare nei software MC-SDSS.
Gli sviluppi futuri della ricerca presentata fanno riferimento a tre aree di possibile
miglioramento del modello illustrato nel presente caso studio: (i) lo sviluppo di un’analisi di
sensitività basata sulla generazione di più combinazioni di pesi da associare ai diversi criteri
al fine di tenere in debita considerazione l’incertezza ad essi relativa (Geneletti, 2008;
Aragonés- Beltràn et al.,2010), anche attraverso l’approccio della logica fuzzy (Zadeh, 1965);
(ii) l’implementazione dell’analisi attraverso un’applicazione web-GIS al fine di facilitare la
partecipazione al processo decisionale; (iii) l’impiego di informazioni di maggior dettaglio al
fine di passare dalla scala di osservazione provinciale a quella comunale.
Concludendo, è possibile affermare che l’integrazione tra tecniche GIS e metodi di Analisi
Multicriteri costituisce un campo di ricerca estremamente promettente a supporto delle
procedure di valutazione della sostenibilità nel contesto degli interventi di trasformazione del
territorio.
5 Bibliografia
Aragonés-Beltràn P., Pastor-Ferrando J.P., Garcìa-Garcìa F., Pascual-Agullò A. (2010), An
Analytic Network Process approach for siting a municipal solid waste plant in the
Metropolitan Area of Valencia (Spain), Journal of Environmental Management, 91: 1071-
1086.
Bottero M., Ferretti V. (2011), An Analytic Network Process (ANP) based approach for
location problems: the case of a new waste incinerator plant in the Province of Torino
(Italy), Journal of Multicriteria Decision Analysis, 17: 63-84.
Bottero M., Mondini G. (a cura di) (2009), Valutazione e sostenibilità. Piani, programmi,
progetti. Torino: Celid.
Burstein F., Holsapple W.C. (eds) (2008), Handbook on Decision Support Systems. Berlin:
Springer-Verlag.
Diamond J.T., Wright J.R. (1988), Design of an integrated spatial information system for
multiobjective land use planning, Environment and Planning B, 15: 205- 214.
Eastman R.J. (2001), Guide to GIS and Image Processing. IDRISI 32 Release 2. Clark
University, USA: Clark Labs.
Ferretti V. (2011a), A Multicriteria- Spatial Decision Support System (MC-SDSS)
development for siting a landfill in the Province of Torino (Italy), Journal of Multi-Criteria
Decision Analysis, 18: 231-252.
21
Ferretti V. (2011b), Integrating Multicriteria Analysis and Geographic Information Systems: a
survey and classification of the literature. Proceedings of the 74th
meeting of the European
Working Group on Multiple Criteria Decision Analysis, 6-8 ottobre 2011, Yverdon Les
Bains, Switzerland.
Ferretti V. (2011c), Multicriteria- Spatial Decision Support Systems (MC- SDSS): verso un
approccio integrato per la valutazione degli interventi di trasformazione territoriale. Tesi
di Dottorato in Ambiente e Territorio, indirizzo Estimo e Valutazioni, Politecnico di
Torino, Relatore: Professor Giulio Mondini, marzo 2011.
Ferretti V. (2011d), Multicriteria- Spatial Decision Support Systems e land suitability
analysis: una proposta metodologica per la localizzazione di una discarica di rifiuti nella
Provincia di Torino, Geoingegneria Ambientale e Mineraria –GEAM, Anno XLVIII, 3: 13-
38.
Ferretti V., Pomarico S. (2011), Integrating Multicriteria Analysis and Geographic
Information Systems for studying ecological corridors in the Piedmont Region.
Proceedings of the 74th meeting of the European Working Group on Multiple Criteria
Decision Analysis, 6-8 ottobre 2011, Yverdon Les Bains, Switzerland.
Gemitzi A., Tsihrintzis V.A., Voudrias V., Petalas C., Stravodimos G. (2007), Combining
geographic information systems, multicriteria evaluation techniques and fuzzy logic in
siting MSW landfills, Environmental Geology, 51, 5: 797-811.
Geneletti D. (2000), GIS, dati telerilevati e Sistemi di Supporto alla Decisione applicati alla
Valutazione di Impatto Ambientale, Geomedia, 6.
Geneletti D. (2008), Impact assessment of proposed ski areas: A GIS approach integrating
biological, physical and landscape indicators, Environmental Impact Assessment Review,
28, 2-3: 116-130.
Geneletti D. (2010), Combining stakeholder analysis and spatial multicriteria evaluation to
select and rank inert landfill sites, Waste Management, 30, 2: 328-337.
Geneletti D., Abdullah A. (eds.) (2009), Spatial decision support for urban and
environmental planning. A collection of case studies. Kuala Lumpur: Academic Press.
ILWIS 3.3 (2005), The Integrated Land and Water Information System, ITC, Enschede,
http://www.itc.nl/ilwis/
Janssen R., Rietveld P. (1990), Multicriteria analysis and GIS; an application to agricultural
landuse in the Netherlands. In: Scholten H.J., Stillwell J.C.H. (eds.), Geographical
Information Systems and Urban and Regional Planning, Dordrecht: Kluwer Academic
Publishers: 129-139.
Keeney R.L. (1992), Value-focused thinking: a path to creative decision making. Cambridge:
Harvard University Press.
Kontos T.D., Komilis D.R., Halvadakis C.P. (2003), Siting MSW landfills on Lesvos island
with a GIS- based methodology, Waste Management and Research, 21, 3: 262- 277.
22
Lapucci A., Petri M. (2009), La sinergia di strumenti fra strumenti di intelligenza artificiale e
procedure di aiuto alle decisioni multi criteri per la valutazione del rischio. Paper
presentato alla XXX Conferenza Scientifica Annuale AISRe, Federalismo, integrazione
europea e crescita regionale, 9-11 Settembre, Firenze, Italia.
Levy J.K., Hartmann J., Li K.W., An Y., Asgary A. (2007), Multi-criteria decision support
systems for flood hazard mitigation and emergency response in urban watersheds, Journal
of the American Water Resources Association, 43, 2: 346-358.
Malczewski J. (1999), GIS and Multicriteria Decision Analysis. New York: John Wiley and
Sons.
Malczewski J. (2006), GIS-based multicriteria decision analysis: a survey of the literature,
International Journal of Geographical Information Science, 20, 7: 703-726.
Moreno D., Seigel M. (1988), A GIS approach for corridor siting and environmental impact
analysis. Paper presented at the Third Annual International Conference GIS/LIS’ 88,
Exhibition and Workshops, San Antonio, Texas, November 30- December 2: 507-514.
Nas B., Cay T., Iscan F., Berktay A. (2010), Selection of MSW landfill site for Konya,
Turkey using GIS and multi-criteria evaluation, Environmental monitoring and
assessment, 160, 1-4: 491-500.
Neaupane K.M., Piantanakulchai M. (2006), Analytic Network Process Model for Landslide
Hazard Zonation, Engineering Geology, 85, 3/4: 281- 294.
Nekhay O., Arriaza M., Boerboom L. (2009), Evaluation of soil erosion risk using Analytic
Network Process and GIS: A case study from Spanish mountain olive plantations, Journal
of Environmental Management, 90: 3091-3104.
Programma Provinciale di Gestione dei Rifiuti, Provincia di Torino - PPGR (2006),
http://www.provincia.torino.it/ambiente/rifiuti/programmazione/ppgr2006.
Saaty T.L. (1980), The Analytic Hierarchy Process. New York: McGraw-Hill.
Saaty T.L. (2005), Theory and applications of the Analytic Network Process: Decision
Making with Benefits, Opportunities, Costs and Risks. Pittsburgh, USA: RWS
Publications.
Spatial Decision Support Knowledge Portal (2012), University of Redlands and the Spatial
Decision Support Consortium. http://www.spatial.redlands.edu/sds/.
Sharifi M., Hadidi M., Vessali E., Mosstafakhani P., Taheri K., Shahoie S., Khodamoradpour
M. (2009), Integrating multi-criteria decision analysis for a GIS-based hazardous waste
landfill sitting in Kurdistan Province, western Iran, Waste Management, 29, 10: 2740-
2758.
Sharifi M.A., Retsios V. (2004), Site selection for waste disposal through spatial multiple
criteria decision analysis, Journal of Telecommunications and Information Technology, 3:
28-38.
23
Sharifi M.A., Rodriguez E. (2002), Design and development of a planning support system for
policy formulation in water resource rehabilitation, Journal of Hydroinformatics, 4,3: 157-
175.
Simon H.A. (1960), The new science of management decision. New York: Harper and Row.
Wang G., Qin L., Li G., Chen L. (2009), Landfill site selection using spatial information
technologies and AHP: A case study in Beijing, China, Journal of environmental
management, 90, 8: 2414-2421.
Worral L. (1991), Spatial Analysis and Spatial Policy using Geographic Information Systems.
London: Belhaven Press.
Zadeh L.A. (1965), Fuzzy sets, Information and Control, 8: 338–353.
24
SUMMARY
The sustainability assessment of territorial transformation projects plays a very crucial role in
the present cultural, scientific and political debate. In this context a very useful support is
provided by the so called Multicriteria- Spatial Decision Support Systems. These tools are
based on the integration between Geographic Information Systems and Multicriteria Analysis
techniques and constitute an ideal platform for the analysis, the structuration and the solution
of semi-structured spatial problems concerning the management of territorial transformations.
The objective of the present contribution refers to the exploration of innovative tools that are
able to support the comprehension of complex phenomena concerning territorial
transformations, highlighting the contribution of spatial Multicriteria evaluations in the field
of environmental assessment procedures and planning practices. In particular, the paper
proposes the integration between the Multicriteria Analysis technique named Analytic
Network Process and Geographic Information Systems, investigating limits and potentialities
of the innovative approach through a case study application concerning the land suitability
analysis to host a waste management facility in Turin (Italy).