POLITECNICODIMILANODipartimentodiIngegneriaIdraulica,Ambientale,Infrastruttureviarie,e
Rilevamento
ANALISI PRELIMINARE DI UN NUOVO METODO PER LA DERIVAZIONE DI CURVE DI DURATA IN SEZIONI NON
STRUMENTATE
Relatore:Prof.GiovanniRavazzaniCorrelatore:CarloDeMichele
Tesidilaureamagistraledi:GiacomoBarlassina
Anno accademico 2016/2017
2
INDICE
1INTRODUZIONE
1.1.1CostruzioneDellaCurvaDiDurata......................................................................................7
1.1.2CurvaDiDurataAttesa.......................................................................................................8
1.1.3StandardizzazioneDellaCurvaDiDurata............................................................................9
1.1.4FrequenzeAssoluteORelative............................................................................................9
1.1.5ApplicazioniDellaCurva...................................................................................................10
1.1.6LaMancanzaDiDati.........................................................................................................10
1.2 STATODELL’ARTE...........................................................................................................11
1.2.1MetodiParametrici...........................................................................................................11
1.2.2MetodiGrafici...................................................................................................................12
1.2.3MetodoProposto..............................................................................................................12
1 ILMODELLOIDROLOGICOFEST..........................................................................................15
2 LEFORZANTIMETEOROLOGICHE........................................................................................17
3 AREADISTUDIO.................................................................................................................19
4 GLISCENARIDIPORTATA...................................................................................................23
5 MODELLOAUTO-AFFINEDELFATTOREDIRIDUZIONEDELLEPORTATE...............................27
6.1AUTOSOMIGLIANZADINAMICADELLEPORTATE.................................................................27
6.2INVARIANZADISCALASEMPLICEINSENSOSTATISTICO.......................................................27
6.3AUTOAFFINITÀ....................................................................................................................28
6.4DERIVAZIONEANALITICADELMODELLOAUTO-AFFINE........................................................29
6 RISULTATI&DISCUSSIONE.................................................................................................31
7.1ANALISIDELLECURVEDIDURATA........................................................................................31
7.1.1Applicazionedell’analisigrafica........................................................................................31
7.1.2Applicazionedelmetodostatistico....................................................................................33
7.2COMPRENSIONEDELPROBLEMA.........................................................................................34
7.3DEFINIZIONEDELMETODOAUTOAFFINE.............................................................................39
7.3.1LADETERMINAZIONEDEIPARAMETRI..............................................................................42
7.3.2Applicazionedelmetodoauto-affineallasimulazioneSim_pccn100.................................43
7.4Applicazionedelmetodoauto-affineallasimulazionerealistica(Sim_all)............................47
7.5LEALTRESIMULAZIONI........................................................................................................54
7.6CRITICITÀdelMODELLO.......................................................................................................54
8.CONCLUSIONIeSVILUPPIFUTURI..........................................................................................57
a.1APPENDICE1........................................................................................................................59
3
a.1.2BloccoNeve......................................................................................................................60
a.1.3BloccoInfiltrazione...........................................................................................................60
a.1.4BloccoDiBilancio..............................................................................................................61
a.1.6BloccoDiPropagazioneDelDeflussoSuperficiale..............................................................62
a.1.7BloccoDiPropagazioneDelDeflussoIpodermico..............................................................62
Bibliography..............................................................................................................................63
5
1. INTRODUZIONELaconoscenzadelladistribuzionespazialeetemporaledellarisorsaidricainunaregioneèunainformazionefondamentaleperpotergarantireunosvilupposostenibiledegliinsediamentiantropici.Lapresenzad’acquagarantisceinfattiilproliferaredellavitaelosfruttamentodiquestarisorsadapartedell’uomodeveesserecondottoconsapevolmenteinmododanoncomprometterelecaratteristichenaturalidellaregione.Alivellopratico,ognivoltacheènecessarioattingereallarisorsaidricasiutilizzandodeglistrumentichepermettonodicomprenderneladisponibilità.UnodeglistrumentimaggiormenteutilizzatoèlaCURVADIDURATADELLEPORTATE(FDC,“FlowDurationCurve”),unostrumentograficochecontienemoltepliciinformazioniariguardodelcomportamentodiunfiumeinunadatasezionedichiusura.1.1 CURVADIDURATADELLEPORTATERiferendosiadunadeterminatasezionediun’astafluviale,laduratadiunaportatarappresental’intervalloditempoincuilaportatavieneuguagliataoppuresuperata.Lacurvadidurataempiricaèquindiilluogodeipuntirappresentantelarelazionetraportateverificatesielaloroduratainundatointervallotemporale.Talecurvavienecostruitaapartiredaidatiosservatidiportatachevengonochevengonopostiinordinecrescentesulleordinatementresulleascissesiriportanolerispettivedurate.Leduratesonogeneralmenteespresseingiorni(da1a365),rappresentandoquindilafrequenzaassolutadelcorrispettivovaloredidurata.Talifrequenzepossonoanchevenireespressecomefrequenzerelativeinunascalachevariada0ad1,doveadunocorrispondeilvalorediportatachesiregistraperil100%deigiorni.Sipuòquindidedurrechequestecurveabbianounandamentodecrescenteinquantoleportatedipiccosonoeventichevengonouguagliatiosuperatipochevolteinunannoeacuicorrispondonobrevidurate.Leportatedimagraavrannoquindilunghedurateinquantovengonouguagliateosuperatepergranpartedeltempo.
Figure1Esempiodicurvadidurata.
6
Laformadiquestacurvacirestituiscequindimoltepliciinformazioniriguardantiladisponibilitàd’acquamaanchelecaratteristichedelbacinoidrograficoamontedellasezionediinteresse.Inparticolarel’estremodestromostrailcomportamentodellaportatadimagra(base-flow)che,derivandodalleacquesub-superficialecidainformazioniriguardantil’interazionedell’astafluvialeconleacquedifaldaedilcaratteretorrentiziodell’astafluvialeinanalisi.Laseguentecurvadiduratamostrauncomportamentotorrentiziodell’astafluviale.
Figure2Esempiodicurvadiduratarelativaadun'astafluvialeaventecomportamentotorrentizio.
Lacurvasiestingueperbrevidurateilchesignificachepergranpartedell’annol’astafluvialeamontedellasezionedichiusurasaràinsecca.Daquestainformazioneèquindipossibilededurrechenonavvienenessuntipodiricaricadelflussosuperficialedapartediflussisub-superficiali.Alcontrariolseguentegraficomostraunacurvadiduratachenonsiesauriscepernessunadurata.
Figure3Esempiodicurvadiduratarelativaadun'astafluvialeaventeportatesemprediversedazero.
7
Laportataperladuratadi365giornièparia5,30m3/sec,ciòsignificachenell’annodiriferimentononsièmaiscesisottotaleportata.Sideducequindiilcaratterefluvialee,dalleelevateportate,chetalecurvasiriferisceadunbacinodigrossedimensioni.Oltrearestituirelafrequenzadelleportateinunasezione,laFDCcipermettedicalcolareilvolumed’acquatransitatoperladatasezioneinunqualsivogliaperiodotitempo.L’areasottesaallacurvaèinfattiilvolumetotaletransitatoinunanno,integrandolacurvasuunintervalloditempoarbitrariosiottieneilvolumetransitatoperilrichiestonumerodigiorni.1.1.1CostruzioneDellaCurvaDiDurataLacurvadidurataempiricavienequindicostruitapartendodirettamentedaidatidiportataosservatisuunintervalloditempoaventeampiezzapariadunanno.Comegiàanticipatosolitamentesiutilizzanodatidiportatamediagiornalierainquantounarisoluzionetemporalemaggiore(adesempiodatidiportataorari)aumenterebbenotevolmenteilnumerodidatidatrattaresenzaapportarealcunbeneficio.IlgraficoseguentemostrailconfrontotraidatidiportataorariaegiornaliererelativiadunannoiunasezionedichiusurasulfiumePo.
Figure4Confrontotradatidiportataorari(inblu)emedigiornalieri(inrosso).
Siosservacomeleportatemediegiornaliereattenuinoipicchidiportatamaallostessotemporiproducanofedelmentel’andamentodelleportate.Unaveloceanalisidiquestograficopermetteinoltredicomprenderelapresenzadideprincipalistagioniincuisiosservanoipicchidipiena,ovverolaprimaverael’autunno.I365datimediatidevonoquindiesseredispostiinordinedecrescenteesuccessivamentenumeratiassegnandoalvalorediportatamaggioreilnumero1eallaportataminoreosservatailnumero365.Questanumerazionecorrispondeadattribuireadognidatodiportatalasuarispettivadurata.Ilvaloremassimoregistratoèstatoinfattiuguagliatoperunsologiornonell’arcodell’annodiosservazione,mentreilminimovaloreregistratoèstatouguagliatoosuperatopertuttii365giornidell’anno.
8
Disponendoquindisulleordinateivaloridiportatainordinecrescenteeinascisselerispettiveduratesiottienelacurvadidurataperl’annodiriferimento.NelseguentegraficovieneriportatalaFDCrealizzataconidatidiportatapresentinellafiguraprecedente.
Figure5CurvadidurataempiricarelativaallasezionedichiusuradiIsolasulfiumePo.
Siosservadasubitocomelaformadellacurvasiairregolareinquantorisentediognieventoverificatosinei365giorniinesame.Persopperireaquestoproblemaedottenereunacurvarappresentativadelcomportamentoattesodelbacinoèquindinecessarioutilizzareunacurvadiduratamedia.1.1.2CurvaDiDurataAttesaLacurvadiduratautilizzataperlagestionedelleacqueèlacurvadidurataattesa(AFCD,“AverageFlowDurationCurve)inquantodescriveilcomportamentomediodell’astafluvialeenonrisentedeglieventistremi.Uneventodimagrastraordinarioodelleprecipitazioniparticolarmenteintensepossonoinfattimodificaresensibilmentelaformadellacurva.Leduecurvecoloratenelseguentegraficosonoricavatedadatidiunsoloanno,lacurvaneratratteggiataèinvecelacurvadiduratarealizzatetramitelamediadeidatirelativia15annidiosservazioni.
Figure6Confrontotraduecurvediduratarelativeadunanno(curvarossaeblue)elacurvadiduratamedia(tratteggiatainnero)
9
Lacurvablucimostracomeunannopocopiovosopuòabbassarenettamentelaportatamassimarispettoaivalorimediregistratiinquellastazioneneivarianni.Ognipuntodellacurvadiduratamediarappresentaquindilamediadeivaloridiportataaventiugualefrequenzaneidiversianni.Maggioreèilnumerodiannidiosservazioneeminoresaràl’effettodieventiestremisullaformadellacurvadiportatamedia.1.1.3StandardizzazioneDellaCurvaDiDurataPerpotercompararecurvediduratariferiteabacinidiversiequindirealizzaredelleanalisisullaloroformaènecessariaunanormalizzazionedeivaloridiportatachealtrimentivarianonotevolmenteasecondadellasezionedichiusura.Lemetodologiedinormalizzazionesonomolteplici,ognunavoltaasottolinearediversiaspettidelleportate.Quelleprincipalmenteutilizzatesonotuttavialeseguenti:
1) Normalizzazionerispettoall’areadelbacinosottesoallasezionedichiusura;inquestomodosisottolineailcontributochel’unitadisuperficieapportaalleportetadefluentinellasezione.Siottengonoquindivaloridiportataperkilometroquadrato.
2) Normalizzazionerispettoalvaloremedio;3) Normalizzazionerispettoalvaloremassimo;consentediottenereidatidiportatavarianti
suunascalada0-1.Inquestomodosiperdel‘informazionerelativaallemassimeportatemadiventapossibilefareefficacianalisisullaformadellecurve.
1.1.4FrequenzeAssoluteORelativeInfinelacurvadiduratapuòessereespressainterminidifrequenzerelativeofrequenzeassolute.Ledurateespresseingiornirappresentanoinfattilefrequenzeassoluteconcuileportatesisonoverificate.Sesidivideognunaditalidurateper365siottengonolefrequenzerelativechesonoquindicompresetra0e1.L’usodiunascalarispettoall’altraèarbitrarioedipendeancheinquestocasodacomesivuoleinterpretarelacurva.Laportatachetransitaperunasezionepuòinfattiessereconsideratacomeunavariabilealeatoriaconunadeterminataprobabilitàdiaccadimento.Utilizzandolefrequenzerelativesisottolinealastocasticitàdelleportateinquantolafrequenzadivienelaprobabilitàcheunadataportatavengauguagliataoppuresuperatanell’annodiriferimento.
Figure7Curvadiduratadelleportateespressainterminidifrequenzerelative.
10
1.1.5ApplicazioniDellaCurvaLecurvadiduratasonolargamenteimpiegateperlagestioneelapianificazionesostenibiledellarisorsaidrica.Iprincipalicampiincuiquestostrumentovieneutilizzatosono:-analisidellescorted’acquaperapprovvigionamentoidricoeperl’agricoltura.LeFDCvengonoutilizzatepercomprendequalevolumed’acquapuòesserederivatodaunfiume(Mallory&McKenzie,1993).-stimadelladiluizionediinquinantidaacquediscarico(W.MALE&OGAWA,1984).Loscaricodiacquereflueneifiumièregolamentatodaunanormativacheindicaleconcentrazionimassimeammissibilinelleacquefluviali.LaFDCpermettediricavareilvaloreQ95(portatachediverificail95%deltempo)utilizzatoperdeterminareivincolidarispettareavalledelloscarico.-dimensionamentodicentraliidroelettricheadacquafluente(Liucci,Valigi,&Casadei,2014).IldimensionamentodicentraliidroelettricheadacquacorrenteavvienesullabasedelleFDC.Questecentralinondispongonodiunserbatoiodiimmagazzinamentoedèquindifondamentale,perillororendimento,cheleturbinesianodimensionatecorrettamentesullabasedelflussoattesod’acqua.-definizionedeldeflussominimovitale.PersalvaguardarelecaratteristicheecosistemichediunfiumeènecessarioimporreunDeflussoMinimoVitale(DMV).IvaloredelDMVvienestimatograziealleaFDCdell’astafluvialediinteresse(Estes&Osborn,1986),(Gordon,McMahon,&Finlayson,1992).1.1.6LaMancanzaDiDatiLecurvedidurataempirichevengonoquindicostruitegrazieallapresenzadiunaretediidrometripresentesulterritoriocheconsentidiraccoglieredatidiportata.L’utilizzodiquesteosservazioniimplicatuttavialasottomissioneaduevincoli:
1 Vincolospaziale:idatidiportatasonoriferitiadunaprecisasezionestrumentata.Lecurvedidurataempirichesonoquindiottenibiliunicamenteperquestesezioni
2 Vincolotemporale:datiicostidimantenimentoeinstallazionedellaretedimonitoraggio,
lesezionistrumentatehannoetàdifferenti.Lalunghezzatemporalediunaseriedidatidipendedunquedaquandolostrumentodimisuraèstatoinstallato.Inoltreeventualimalfunzionamentidellastrumentazionepossonocausaredellelacuneneidatichepossonocomprometternel’uso.
Risultaquindinecessarioadottaremetodologiecheconsentanodiottenerecurvedidurataanchepersezioninonstrumentateeinmancanzadilungheseriedidati,ovverodiregionalizzareidatidiportata.Suquestoargomentoesisteunagrandequantitàdipubblicazioniscientifichechepropongonodiversemetodologiediregionalizzazione.
11
1.2 STATODELL’ARTELacostruzionedellecurvediduratautilizzabileinambitodecisionaledipendequindidallapresenzadilungheseriedidatiaffidabili.Tuttavialaretedimonitoraggio,perquantopossaesserebendistribuita,nonèingradodifornireinformazionisuogniastafluviale.Èquindifrequentecheledecisionigestionalieleoperediingegneriavenganorealizzatesuastefluvialinonstrumentateperlequalinonsidisponequindidialcundato.Questoproblemapuòesseresuperatotrasferendoidatiosservatinellesezionistrumentatesulleastefluvialiprivedistrumentazione.Ciòèresopossibiledadiversimetodidiregionalizzazioneottenutinell’ambitodistudivoltiaricercarecorrelazionitraleportateelevariabiligeomorfologichecaratterizzantiibaciniidrografici.Questimetodisidifferenzianoperglistrumentidianalisiutilizzati,chevarianoasecondadeidifferenticasidistudioedelleinformazionidisponibili.Unaclassificazioneunivocadiquestemetodologieèquindiresadifficiledalfattocheidiversiapprocciutilizzanomixdidiversistrumentidianalisi.Risultaquindiefficacefareunadistinzionesullabasedeimetodiutilizzatiperlaregionalizzazionedellecurvedidurata.Inquestomodoèpossibileindividuareduegrandifamigliediapprocci:
1) Metodiparametrici;2) Metodigrafici;
1.2.1MetodiParametriciImetodiparametrisidistinguonoalorovoltaina:
a) Metodistatistici:questimetodisibasanosull’assunzionechelacurvadiduratasiailcomplementarediunafunzionediripartizione,echequindiognipuntoesprimalaprobabilitàdisuperamentodiunadataportata.
P(x>X)=1-F(x)(1.1)
Doveleportatesonointesecomevariabilialeatorieelafrequenzarelativaèlaprobabilitàcheundeterminatovalorediportatavengasuperatosull’intervalloditempoconsiderata(generalmentel’anno).Iprincipalipassiinquestotipodianalisisono:- Idativengonoanalizzatiesistabilisceunadistribuzionediprobabilitàchemegliogli
approssima.LefunzioniprincipalmenteimpiegatesonolaLog-normale,(Fennessey&Vogel.,1990)(CLAPS&FIORENTINO,1997),lagammaelaWeibull.
- Iparametridellaregionevengonostimatitramiteidatidisponibile- Lacurvadidurataperlaregionevieneinfineidentificataindividuandoiaparametri
delladistribuzionetramitedifferentimetodidiregressioneoclusterizzazionetralevariabiligeomorfologicheconsiderate.
b) MetodiAnalitici:questimetodiutilizzanoespressionianalitichechevengonoadattateaidatidisponibiliesuccessivamenteregionalizzatetramiterelazionitraiparametridellafunzioneelevariabilicaratterizzantiilbacino.Allabasediquestametodologianonvièalcunaipotesistatisticaelafunzionevienesceltaarbitrariamente.UnesempioèilmodellopropostodaSingh(Singh,1971)eMimikouetal.(Mimikou&Kaemaki,1985)incuile
12
portatenormalizzaterispettoallorovaloremediosonoinrelazioneconl’areadelbacinotramiteunasemplicefunzioneesponenzialeincuiidueuniciparametrisonoladurataeunacostantechevariaasecondadellaregione.
1.2.2MetodiGraficiQuestimetodiseguonogeneralmenteiseguentistep:
- Lecurvedidurataempirichevengonostandardizzateinmodotaledarenderlecomparabilitraloro.Sonopossibilidifferentemetodidistandardizzazionetramitel’areadelbacino,laportatamedia,lamedianaquellamassimaetc.Lasceltadelmetododipendedaqualisonogliespettichesivoglionostudiare.
- Laregionalizzazioneavvienetramitel’osservazionedellediverseformedellecurve.Taleprocessovienegeneralmenteaffiancatodaunaclusterizzazionedellecurvediduratanecessariaperdefiniredelleregioniomogenee.
Ilrisultatoècheogniregionesaràcaratterizzatadaunacurvadiduratanormalizzata.Conoscendoilflowindexutilizzatoperlanormalizzazioneèquindipossibilericavarelacurvaperilbacinodiinteresse.QuestometodovennepropostoperlaprimavoltadaSmakhtin(Smakhtin,1997)ilqualenormalizzolecurverispettoalvaloremediodiportataeriutilizzatoindiversilavoridiricercacomeadesempiolostudiocondottodaGustardetal.(Gustard,Bullock,&Dixon,1992)sulleportatedimagra.1.2.3MetodoPropostoNelpresentelavorosiesploraunnuovoapproccioperlostudiodellecurvedidurataeperlalororegionalizzazione.Leprincipalinovitàcaratterizzantiquestolavorosono:
- Utilizzodiseriesintetichedidati- Applicazionedelconcettodiauto-affinitàstatisticaallecurvedidurata
L’utilizzodelleseriedidatisintetichederivadallanecessitàdidisporrediunlaboratoriovirtualechepermettadisperimentareilcomportamentodeibaciniidrograficisottodiversecondizioni.QuestolaboratoriovirtualeèrappresentatodaFEST,unmodelloidrologicofisicamentebasatorealizzatodalPolitecnicodiMilano(Ravazzani,Rabuffetti,Corbari,&Mancini,2008).Ilsuoimpiegoconsenteinoltredisvincolarsidallelimitazioniimpostedaidatiosservatidirettamenteedèinoltrepossibilegeneraregrandiquantitativididatiperqualsivogliasezione.L’utilizzodiseriesintetichedidatiperlostudiodellecurvedidurataègiàstatopropostodaYoko(Yoko,2001)perrealizzareanalisidisensitivitàdelleFDC,tuttaviainquestolavoroilmodellofisicamentebasatoverràutilizzatopersimulareunaregioneesistentepercuisidispongonodiosservazionirealipereventualiriscontri.Infinesiproponeunmetododiregionalizzazionederivantedall’applicazionedellaproprietàdiauto-affinitàstatistica,introducendoquindiilconcettodicomportamentofrattaleinsensostatisticosianelladimensionespazialecheinquellatemporale.Taleproprietà,propostadaDeMicheleetal.(DEMICHELE&ROSSO,1995)(DeMichele,Kottegoda,&Rosso,2002)perspiegareilrapportotraintensità,durataedareadeglieventidi
13
pioggia,sibasasuiconcettidiauto-somiglianzadinamicaesemplicealorovoltautilizzatiinidrologia.AdesempioSapozhnikov(Foufoula&Sapozhnikov,1998)utilizzanoquestoconcettostatisticoperstudiarel’evoluzionedeimeandrifluviali,mentreDeMicheleetal.(DeMichele,Rosso,&Rulli)hannomostratolapresenzadiscalingdinamicoinsensostatisticoperlastrutturadeicampidiprecipitazione.L’applicazionediquestoconcettoallecurvediduratadelleportateconsenteladefinizionediunmodelloestremamentesempliceperlaloroderivazioneinbacininonstrumentatichenecessitacomeinputunicamentelasuperficiedelbacinosottesaallasezionediinteresse.
15
2. ILMODELLOIDROLOGICOFESTIlmodelloutilizzatoinquestostudioèilmodelloFEST-WB(Flash-floodEvent-basedSpatially–distribuited rainfall - runoff Transformation, includingWater Balance) (Montaldo, Ravazzani, &Mancini, 2007) (Ravazzani, Rabuffetti, Corbari, & Mancini, 2008), un modello idrologicospazialmentedistribuitoefisicamentebasato,sviluppatopressoilPolitecnicodiMilano.Ladistribuzionespazialedelmodelloègarantitadalladiscretizzazionedelbacinoincelleregolaridiformaquadrata,perognunadellequalivienecalcolatoilbilancioidrologicoeirelativiprocessidievapotraspirazione,infiltrazione,deflussosuperficiale,deflussoprofondoedinamicadellaneve.Lasuddivisionedelbacinoincellecomporta,afavorediunamaggiorerisoluzione,unnotevolesforzocomputazionalepoichéperognicellaeperognipassodicalcolovengonostimatiiparametridelleequazioni.Losforzodicalcolocomunque,risultagiustificatodall’importanzadivalutarelavariabilitàspaziale dei processi in esame ai fini di una corretta simulazione. Alcuni studi hannomostratoquanto imodelli spazialmentedistribuiti comequesto risultinovalidi soprattuttoper la stimadiparametri tramite ragionamenti fisici, per la rappresentazione dell’eterogeneità del bacinoidrografico e per la stima di eventuali effetti dovuti al cambio d’uso del suolo. Lamancanza ocomunque l’incertezza legata ai parametri di ciascuna cella rappresentano il limite principale diquesto tipodimodelli, risultaperciò fondamentaleunaverificadei risultati con i dati osservati.Altracaratteristicadelmodello,comedettoinprecedenza,èdiesserefisicamentebasato,quindidescrivefisicamenteiprocessiinattoconsiderandoparametrifisiciricavabilidamisuradirettasucampooperviaindiretta.Inconclusione,ilmodelloFEST-WB,sviluppatopartendodaiprecedentimodelliFEST98eFEST04(Mancini,1990),sifondasullasoluzionedell’equazionedibilanciodimassaperognicella.Adognipassotemporaleilmodelloutilizzaleseguentiinformazioni:
- informazionigeomorfologichetempoinvarianticostituitedamappe;- misurepuntualidiforzantiatmosferiche,ovveroprecipitazionietemperature,aventi
passotemporalepariaquelloadottatonelmodello.Idatimetereologicivengonodistribuitispazialmentesututtalasuperficiediinteresseattraversoilmetododellapesaturadelladistanzainversa(IDW)oilmetododiThiessen.Considerandoiprocessidievapotraspirazione,infiltrazione,percolazioneeruscellamentosuperficialevienepoicalcolatoilcontenutod’acquapresentenelsuoloperognipassotemporale.Questainformazionerisultanecessariapercomprenderel’ammontaredipioggianettachedefluisceneicorsid’acquasuperficialiecalcolarneinfinelapropagazionemedianteilmetodoMuskingum-Cungeaceleritàvariabile(CUNGE,1969).Infine,perognicella,siottengodatirelativiallapropagazionesuperficialeeprofondainterminidiportateespressein[m3/sec].Definendolecoordinatedideterminatecelle,corrispondentiallesezionidiinteresse,èpossibilescrivereivaloridiportatacomesemplicitabelleleggibiliinformatotxt.Essendoilpassotemporaleutilizzatoinquestolavoropariadun’ora,sisonoottenutivaloridiportateorariperlesezionistabilite.
16
Figure8SchemadelfunzionamentodelmodelloidrologicoFEST
OgnunodeiblocchiriportatinellafigurasovrastanterappresentaunprocessoconsideratoinFEST.Perloscopodiquestolavoroditesièimportantecomprenderechequestomodelloconsideralapresenzadieventualighiacciai,l’accumuloefusionedineveelecaratteristichedelsuolotramitedellemappedicoperturaeindicidiporosità.QuestecaratteristicherendoFESTunlaboratoriovirtualechepermettedirealizzaresimulazioniestremamenteverosimilinelcasoincuituttiiblocchivengonoutilizzati,oppuresimulazioniperl’analisidisensitivitàdelleportatealvariaredellecondizionioescludendointeriblocchicomeadesempiol’accumulodellaneve.Laspiegazionedettagliatadelfunzionamentodeiblocchicostituentiimodelloèriportatoinappendice1.
17
3. LEFORZANTIMETEOROLOGICHE3.1LEPRECIPITAZIONILeportatedefluentiinunasezionedichiusurasonoingranpartederivantidalleprecipitazionimeteorichecherappresentanoanchel’ingressodelmodelloFEST.Ciòsignificachetaleinputdovràessereanch’essospazialmentedistribuitoinmododasimularelecondizioniclimatichedellaregionediinteresse.Nelmodellovengonoquindiinseritedelleseriedidatidiprecipitazionipuntualiinstazionisparsesulterritoriostudiatoche,tramiteilmetododiinterpolazionediThiessen,vengonopoidistribuitisututtalaregione.Ivaloridiprecipitazioneiningressopossonoderivaredirettamentedapluviometrisparsisulterritoriooppurepossonoesseregeneratisinteticamentedaappositimodelli.L’utilizzodidatiosservaticomportaancoraunavoltal’assoggettarsiavincolitemporalieunulterioresforzoperlalorovalidazionechesirendenecessarionelcasoincuisidebbastudiareunparticolareaspettodiunospecificosito.Perloscopodiquestolavorosièconsideratovantaggiosol’usodiseriesintetichedidati(FATICHI,Rimkus,Burlando,Bordoy,&Molnar,2015),(Cowpertwait,2006),avendoesseilvantaggiodiesseredirettamenteutilizzabiliedipoterassumereunaduratatemporalearbitraria.IlmodelloutilizzatoperlasimulazionedellepioggeèilNeymann-ScottRectangularPulses(NSPR),unmodellodell’universitàdiNewCastle(Burton&Kilsby,2004)consideratounodeimetodipiùavanzatiperlagenerazionediseriedipioggecasuali.Inquestomodellolaposizionedellecelleincuipiovevienedeterminatadaunsetdivariabilicasualiindipendentieidenticamentedistribuiterappresentantigliintervalliditempocheintercorretral’iniziodellatempestaeilsuopropagarsiinognisingolacella.Leassunzionichestannoallabasetitalemodellosono:
- L’iniziodeglieventimeteoriciègeneratodaunprocessoPoissioniano- Ognieventodipioggiageneraunnumerocasualedicelledipioggiailcuiritardo
rispettoall’originedellatempestaèconsideratotramiteunadistribuzioneesponenziale.
- Laduratael’intensitàdellapioggiaperognicellasonogeneratedadistribuzioniesponenziali.
Affinchéquestomodellopossasimularelepioggeconsiderandolecaratteristicheclimatichediunaregione,ènecessariochevengataratosudeidatiosservatidiprecipitazioni.Lataraturavienegeneralmenteeseguitaadattandoiparametridelmodelloalleosservazioniutilizzandoilmetododeimomenti.InquestolavorosièutilizzatoilmodelloNSPRprecedentementetaratonell’ambitodelprogettoACQWA,doveèstatoresonecessarioilsuoimpiegonellamedesimaregioneanalizzatainquestolavoro(G.&S.,2014).L’utilizzodiquestomodellononsolopermettedigenerarelungheseriedidaticheconsentonoquindidieffettuaresimulazioniFESTrelativeamoltianni,maanchediescludereeventualitrendclimatici.Ilfenomenodeicambiamenticlimaticisicomportainfatticomeunaforzantesulleprecipitazioni,andandoamodificareillorocomportamentoannodopoanno.Perilpresentestudioquesto
18
fenomenorappresentaunrumorechepotrebbealterarelacomprensionedelcomportamentodellecurvediduratainrelazioniavariabiligeomorfologiche.IdatiutilizzatidalmodelloNSPRperquestasimulazionesonodatirelativia220stazionisparsesulterritorioeaventiunaduratatemporaledi100anni.DatoilpassotemporaleorarioconcuiFESTcalcolaibilancidimassa,ancheidatidiprecipitazionihannounarisoluzionetemporaleoraria.3.1 LETEMPERATURE
Latemperatura,oltreallaprecipitazione,rappresentaunimportanteinputdelmodellofestinquantovariabiledeterminantediimportantidinamichedelcicloidrologico.Perpoterrealizzaresimulazioniconunalunghezzatemporaledi100anniènecessarioquindidisporrediunmodellochepermettadiottenereseriesinteticheditemperaturaperilperiododiinteresse.Latemperaturadell’ariaèsuddivisainunacomponentedeterministicaedunastocastica(FATICHI,Rimkus,Burlando,Bordoy,&Molnar,2015).Lacomponentedeterministicaèrappresentatadallavariabilitàclimaticachedeterminaiciclistagionaliegiornalieri,mentrelacomponentestocasticapermettedispiegareilrumorechecreaincertezzanelletemperature.Quest’ultimacomponenteèrappresentabiletramiteunmodelloMAR(Box,Jenkins,Reinsel,&Ljung,2015),ovverodiautoregressionemultivariata,chepermettediconsiderareappienolacorrelazionespazialeetemporaletraleosservazionipuntualiditemperatura(BordoyR.,2013)(Bordoy&Burlando,2014)unavoltarimossalacomponentedeterministica.Perl’areadistudio,utilizzandoilmodelloMAR,sonostategeneratidatiditemperaturaper100anniin235stazionipresentisulterritorio.LadistribuzionespazialediquesteinformazionisulterritoriovienepoirealizzatatramiteililmetododiThiessen.
19
4. AREADISTUDIOL’areadistudioconsiderataèilbacinodell’altavalledelfiumePo,aventeunestensionedi38.000km2.Questaregioneècircondatasutralati(nord,ovestesud)dallecatenemontuosealpineedappenninichechecopronocircail73%delterritorioericadeprevalentementenelleregioniitalianediPiemonte,Vald’AostaeLiguria,mentresolounapiccolaporzionecollocataanord-estrientrainterritoriosvizzero.Lesorgentidelreticoloidrograficosonocollocateprevalentementenelleregionimontuose,leastefluvialisonoquindioriginariamentetorrentidimontagnacaratterizzatedaunavelocerispostaaglieventimeteorici.ProcedendoversovalleleacqueconfluisconogradualmentenelfiumePo,ilprincipalefiumediquestobacino,ilquale,seppurecaratterizzatodagrandiportate,risentedellecaratteristichemontaneestagionalideisuiaffluenti.Laregioneèinfatticaratterizzatadadueprincipalistagionidimagra(estateedinverno)edaduestagionidipiene(primaveraeautunno).Ilperiododipieneprimaveriliègeneratodallafusionedellaneveaccumulatadurantel’invernonelleregionid’altaquota,mentrelasecondastagionedipienevienecausatadalleintensepioggeautunnalicaratterizzantiilclimadellaregione.Ifenomeniappenadescrittisonoallostessomodocausadellestagionidisecca.Ininvernosiregistranobasseportatedovutoall’accumulodinevenelleregionimontuose,mentrel’estateècaratterizzatadascarseprecipitazioni.DiseguitovienemostratoilDigitalElevationModel(DEM)dell’areaappenadescrittaconilreticoloidrograficoeiprincipalilaghipresentinell’area.
Figure9DEMereticoloidrograficorelativiall'areadistudio
Sinotacomecircail25%dellasuperficiefacciapartedellapianurapadanalaquale,perlesueoriginialluvionali,presentadellecaratteristichestratigrafichechesiprestanoparticolarmenteall’accumulodiacquainacquiferi.LeportatedelfiumePonell’areavallivasonoinfattifortemente
20
influenzatedall’interazioneconilflussosub-superficialed’acquache,inperiodidimagra,ricarical’alveodelfiumegarantendodelleportateminime.ItempidicalcolodelmodelloFESTcresconoalcresceredellasuarisoluzionespaziale,inquantoperognicellaincuilasuperficievienedistribuitavendonorisolteequazionidibilanciodimasse.Perstudiareunareadiquestadimensionièquindinecessariotrovareuncompromessotrarisoluzionespazialeetempidicalcolo.Inquestocasosièdecisodisuddividereilterritorioincelledi1km2,ottenendoquindiintotale38.000celle.Suunasuperficiecosìdiscretizzatasisonoquindiselezionate67sezionidichiusuradefinendoquindiibaciniidrograficichesianalizzerannonelpresentestudio,nonchéglioutputdelmodelloFEST.
Figure10Mappadell'areadistudioriportantelesezionidiinteresseperl'analisi.
Laselezionedellesezionideveesserecondottaconl’obiettivodiraccoglieredaticheincorporinol’eterogeneitàdelterritorio.Astefluvialiavalledellacatenaalpinaavrannouncomportamentodifferentedaquelleavalledegliappenninichealorovoltasicomporterannodifferentementedaigrandifiumidipianura.Nellacartasovrastantesonostateevidenziatelediciottostazionicheraccolgonoacquederivantidallafusionedeighiacciai.Traquestequellecollocatenell’areamontuosasonofortementeinfluenzatedaquestofenomenoche,insiemeallafusionedellenevi,rappresentailprincipalefenomenogeneratorediportate.Nelcomplessolecaratteristichegeomorfologichedeibacinisottostantilesezionisceltesonocaratterizzatidaunabuonaeterogeneità.
21
Lesuperficidiquestibacinisonocompresetra54e26165km2,tuttaviasolo3bacinihannounasuperficiesuperioreai5.000km2:Nomestazione Superficie[km2]Isola 26165Crescentino 13419Montecastello 8265Maggiore 6832
Table1
Lacoperturadelsuolodell’area,digrandeimportanzanellostudiodell’idrologia,ciènotatramiteivaloridicurvenumber(CN).Lacartaseguentemostraquindil’eterogeneitàditalivalori:
Figure11Mappadeivaloridicurvenumberdell'areadistudio.
ImassimivaloridiCNsonoprevalentementenellezonemontuoserocciosedovelospessoredelsuoloègeneralmentenullo.Inpianura,dovesihagrandeinfiltrazioneeunospessoredelsuoloelevato,sihannoiminimivaloridiCN.IldiscostamentotrailCNmediodellaregioneeilCNmediodeibaciniselezionatièdisolodueunitàequinditrascurabile.Ilvaloremedioperl’interaregioeèinfattiparia77mentrequellorelativoaibacinièparia78,5.
22
IlgraficoseguentemostracomeibaciniscelticopranobeneidiversivaloridiCN.
Figure12GraficodeivalorimedidiCNperi67baciniselezionati.
020406080100
Isola
Maggiore
Tavagna…
Cand
oglia
Farig
liano
Raccon
igi
QUINTO
…SusaDo
r…CasalCer…
Borgosesia
PontSoana
BUSCA_
…PIAN
TOR…
MOMBA
…CA
RRU_
…Mon
cali…
NOVA
RA…
MONDO
…PA
RELLA…
FRONT_…
PRAY
_SE…
SAN_D
A…CO
SSAT
…
CNmedio
23
5. GLISCENARIDIPORTATAComegiàaccennato,lasceltadiutilizzaredeidatisinteticianzichédeidatidirettamenteosservati,nascedall’esigenzadidisporrediunasortadilaboratoriovirtualeincuidiventapossibilemodificarearbitrariamenteognisingoloaspettodelbacinoinesame.IlmodelloFESTèoriginariamentecompostodaequazionievincoliimpostatiinmanieradarealizzaresimulazioniilpiùpossibilevicineallarealtà.Fornendoalmodelloidatidescrittividellecaratteristichemorfologicheeclimatichedellaregionediinteresse,ilmodellorestituiràivaloridiportateorarieperle67stazioniprestabilitesuunintervalloditempocomplessivopariallalunghezzadelleseriedidatidiprecipitazioniiningresso.Tuttelesimulazionirealizzateperquestostudiosonostatecondotteconl’intenzionedimantenereun’indipendenzatemporaletraidiversianni.Perpoterotteneretaleindipendenzaèquindinecessariocheleinformazionipresentialterminediogniannodisimulazionenonvenganotrasmesseall’annosuccessivo,ovverosidevonoescludereeventualitendenzeclimatiche.QuestacondizionevienegarantitagenerandoleprecipitazionitramiteilmodelloNSRPeimponendonellecellerappresentantiighiacciaiunospessoredighiaccioinfinito.Inquestomodosiinibisceilfenomenodiritirodeighiacciaiassicurandocomunqueilcontributodellalorofusionealleportate.Inconclusione,l’imposizioneditalicondizionicipermettedipoterconsiderareidatiottenutidallesimulazionicomeidatidiportatadi100anniperognisingolobacino,oppurecomesesidisponessedi100copieugualidiognunodei67bacinisucuivienecondottaun'unicasimulazione.Ilrisultatodiognisimulazioneèunamatrice(876.000X24)incuiadognicolonnacorrispondeunadelle67stazionimentreallerighecorrispondonoleore,ovverountotaledi58.692.000datidiportataorarie,conuncostocomputazionaleinterminiditempoparia7giorni.Nell’arcodiquestostudiosisonorealizzateuntotaledi12simulazionenellequalisonostatemodificatelecondizionimorfologicheemetereologichedelbacino.Iltempocomputazionaletotaleèstatodicircaduemesiesisonoottenuti704.304.000didatidiportateorarie.Avereadisposizioneunatalemoledidatipermettedipoterrealizzarepreziosecomparazioni.Classicamentelostudiodellecurvediduratavienecondottotramitedatiosservati.Questi,dipendendodallevariabilimorfologicheeclimatichedelbacino,contengonoimplicitamentesvariateinformazionichedifficilmentepossonoesserespiegate.Lerelazionitralediversevariabilisonoquindigeneralmentestudiatetramiteanalisidimulti-regressionechepermettonodispiegareladipendenzatralevariabiliconservandotuttaviauncertogradodiincertezza.Otteneredatiprovenientida12diversesimulazionipermetteinvecedipoterosservaredirettamentel’effettodeidiversiscenarisullaformazionedelleportate.I12scenarinonsonostatistabilitiapriori,macolprocederedellavoro.Iniziandodallasimulazionedelloscenariopiùrealistico,siègradualmentescompostoilproblemapartendodall’analisideidatiottenutiallasimulazioneprecedente.Adognipassosièquindistabilitoqualifosserolevariabilidamodificareperdefinireilsuccessivoscenarioecomedovesseroesseremodificate.Leduetabellesuccessiveriassumonolecaratteristichedegliscenariconsiderati:
24
NumeroSimulazione
NomeScenario CodiceSimulazione Caratteristica
1 Reale Sim_all Simulazionidelbacinosottocondizionireali
2 LiquidWorld Sim_SRN Simulazionerealizzataimponendounasogliadifusioneparia-100gradi.Inquestomodosiottengonounicamenteprecipitazioniliquide,eliminandol’accumulodineve.
3 GlacierWorld Sim_GL Simulazionecondottafornendoprecipitazioninullecomeingressoalmodello.Idatidiportataottenutidaquestasimulazionederivanoquindiunicamentedallafusionedeighiacciaialpini.Granpartedelle67sezionisarannoquindiinseccanonessendointeressateatalefenomeno.
4 Pioggiaomogenea Sim_pccnv PartendodallecondizioniimposteinSim_SRNsièeliminatalavariabilitàspazialedellepiogge.Leportategenerateinognisezionevarianoquindiunicamenteperledifferenticaratteristichemorfologichedeibacinisottesiallestazioni.
5 Suolocostante Sim_pvcnc PartendodallecondizioniimposteinSim_SRNsièeliminatalavariabilitàspazialedellecaratteristichedelsuolomantenendolavariabilitàspazialedelleprecipitazioni.Lospessoredelsuolo,ivaloridell’indicediporositàelasuacopertura(CN)sonoimposticostantipariailorovalorimedinell’areadistudio.Leportategenerateinognisezionevarianoquindiunicamentecolvariaredellapiovosità.
Table2
25
NumeroSimulazione
NomeScenario CodiceSimulazione
Caratteristica
Simulazionidimassimasemplificazione
Leseguentisimulazionisonostateeseguiteincondizionidimassimasemplificazione.Iprincipalidisturbichecreanoeterogeneitàdirispostaneidifferentibacinisonostatieliminaticonsiderando:-precipitazioniunicamenteliquide;-nessunavariabilitàspazialedellepiogge;-nessunavariabilitàspazialedellecaratteristichedelsuolo;Ciòcaratterizzalesimulazionièl’imposizionedivaloridiCNcostantidifferenti
6 CN100 Sim_pccn100 7 CN90 Sim_pccn90 8 CN80 Sim_pccn80 9 CN70 Sim_pccn70 10 CN60 Sim_pccn60 11 CN50 Sim_pccn50 12 CN40 Sim_pccn40
Table3
Lesimulazioniriportateinquest’ultimatabellasonorealizzateincondizionidimassimasemplificazione.DiparticolareimportanzaèlasimulazioneCN100incuiilsuoloècompletamenteimpermeabileeleunichecaratteristichefisichecheintervengononellatrasformazionedegliafflussiindeflussisonoletemperatureelapendenzadelsuolo.Comesivedrà,irisultatiottenutidaquestasimulazionerappresentanounimportanteterminediparagone.Perdiminuireilnumerodidatierenderliquindipiùfacilmentemanipolabilisisonocalcolatelemediegiornalierepassandoquindiadavereperognisimulazione2.445.500datidiportatamediagiornalierache,comegiàdetto,rappresentanol’informazionesufficienteperlacostruzionedellaFDCmedia.Possedendoleportategiornaliereper100annièquindipossibiletracciarecentocurvedidurataperognistazione:
Figure13!00FDCderivantidaFESTconrelativacurvamedia(inblu)edeviazionestandard(inverde).
26
Ilgraficoprecedentemostrale100curvedidurataperlasezioneIsolasulfiumePoderivantidallasimulazioneSim_all.EssendoloscopodiquestolavoroquellodistudiareilcomportamentodelleFDCalvariaredellecaratteristichedibacino,sirendenecessariosintetizzarelecurveprecedentiinun'unicacurvamediainmododaridursiadavere67curvedaognisimulazione,unaperognistazione.Perquestomotivonelgraficosovrastanteèstatariportateanchelacurvadiduratamediainbluscuroelacurvadeivaloridideviazionestandardinverdescuro.Ladeviazionestandardhailsuomassimoperlebasseduranteinquantosonoproprioglieventiestremidipienaifenomenisoggettidamassimavariabilità.PerpoterrealizzareunconfrontotralediverseFDCènecessariochelacurvediportatamedievenganonormalizzatepereliminarelegrandidifferenzediscaladovuteaidiversiordinidigrandezzadelleportate.Diseguitosiriportanoirisultatididuetecnichedinormalizzazione,nelgraficoasinistrasiriportanolecurvenormalizzaterispettoallarispettivaareadelbacino,inquellodidestrasièadottatainveceunanormalizzazionerispettoallaportatamassimaverificatasi:
Figure14FDCnormalizzaterispettoall'areadelbacinoFigure15FDCnormalizzaterispettoalvalorediportatamassimo
Lasostanzialedifferenzatraleduemetodologieècheadottandolaprimasiottieneilcontributoalleportatedi1km2dibacino,mentrelasecondaadimensionalizzaivaloridiportatafacendolivariarenell’intervallo0-1.Risultachiarodaigraficicomediversetecnichedinormalizzazioneforniscanorisultatidifferenti.Igraficiinfigura14e15sonodinotevoleimportanzanelpresentelavoroinquantoriassumonograficamenteidifferenticomportamentideibaciniinesame.Dall’analisidiquestigraficisièquindisviluppatalaricercachehacondottoalladefinizionediunnuovometododiregionalizzazionedellecurve.
27
6. MODELLOAUTO-AFFINEDELFATTOREDIRIDUZIONEDELLEPORTATE
Ilconcettodiautoaffinitàstatisticaèdatodallacombinazionedialtridueconcetti:
a Invarianzadiscaladinamica(oauto-somiglianzadinamica)b Invarianzadiscalasempliceinsensostatistico
L’impiegodelconcettodiautoaffinitàstatisticainidrologiahapermessodispiegarerelazionicomplessetravariabiliidrologiche.AdesempioinunostudiocondottodaC.DeMichele(DeMichele,Kottegoda,&Rosso,2002)vieneimpiegatal’autoaffinitàstatisticaperspiegarelarelazionetraintensità,durataeareadeglieventidipioggia.Questoconcettovienesuccessivamenteutilizzatopercomprenderelarelazionetraportatedicolmoinuneventodipienaconl’areadelbacinofissataunacertaduratadiriferimento.6.1AUTOSOMIGLIANZADINAMICADELLEPORTATEIlconcettodiautosomiglianzadinamicoèunconcettostatisticoapplicabileaduncampoaleatoriorappresentanteunacertagrandezzafisica.NelcasoinesamelavariabilealeatoriaèrappresentatadallaportataQparametrizzataneltempoenellospazioattraversoilvettore(D,A)edefinitadalrispettivocampoaleatorio{Q(.)}.Utilizzarecomevariabilespazialelasolaareaèunasemplificazionecheintroduceimplicitamenteuncomportamentoisotropicodellavariabilenellospazio.Assumerecheilsuddettocampo{Q(.)}godadellaproprietàdiauto-somiglianzadinamicadelleportatesignificacheperognicoppiaAi,Ajèpossibileriscalareleduratemediante:
!"!#= &"
&#
'(6.1)
dacuiponendol=Ai/Ajeh=Di/Djsiottiene:
h =l'(6.2)Dovezrappresental’esponentediscaladinamico.L’uguaglianzaespressadall’equazione(6.2)consenteditrattareunproblemabidimensionaleparametrizzatoinlehinunproblemamonodimensionaleparametrizzatounicamenteinl.Ovverodipoterri-scalareQ(hD,lA)comesegue:
𝑄 hD, lA = Q l'𝐷, lA = 𝑄l(𝐷, 𝐴)(6.3)
6.2INVARIANZADISCALASEMPLICEINSENSOSTATISTICODatalavariabilealeatoriaQ(A)rappresentantelagenericaportatatransitanteperunasezioneaventeilbacinosottesodisuperficiepariadA,alloralapresenzadiinvarianzadiscalasemplice(omono-frattalitàoautosimilarità)assicuralaseguenteuguaglianzainprobabilità:
𝐶2 ∗ 𝑄(𝜆𝐴) ≈ 𝑄(𝐴)(6.4)
28
Dove:lrappresentailrapportotralearee𝐴6 𝐴7;
»rappresental’uguaglianzainprobabilità;Clèun’opportunafunzionediscalaLa6.4introducequindiilconcettodicomportamentofrattaledelleportatemettendoinrelazioneQ(Ai)conQ(Aj),dicendocichelalorodistribuzionediprobabilitàèugualeamenodiunopportunafunzionediscalaCl.6.3AUTOAFFINITÀRiportandocialpresentecasodistudioeapplicandoilconcettodiinvarianzadiscalainsensodinamicoallavariabileQ(D,A)siottienelavariabilealeatoriavariabileQ(lDa,lAb).DoveperDsiintendeladurataespressainterminidifrequenzaassolutaequindivariabiletra1—365.Conl’aggiuntadell’invarianzadiscalasemplicesigiungeinfinealladefinizionediAUTOAFFINITÀSTATISTICA.Uncampoaleatoriosidiceinfattiautoaffineinsensostatisticose∀lesisteunafunzionediscala𝐶l > 0taleche:
𝐶l ∗ 𝑄(l;𝐷, l<𝐴) ≈ 𝑄(𝐷, 𝐴)(6.5)Dove:a=b*zconz=esponentediscaladinamico.LafunzionediscalaClcherispettal’uguaglianzastatisticaèun’equazioneesponenzialedeltipo:
𝐶l = l=> (6.6)
doveα=costantedettacostantediHolder.L’autoaffinitàpuòquindiessereriscrittacome:
l=>𝑄 l;𝐷, l<𝐴 ≈ 𝑄(𝐷, 𝐴)à𝑄 l;𝐷, l<𝐴 ≈ l>𝑄(𝐷, 𝐴)(6.7)Affinchélaprecedenteuguaglianzastatisticasiarispettataènecessariocheilcampoaleatorio{Q(.)}abbialagenericaforma:
𝑄 𝐷, 𝐴 = 𝐴>/< ∗ 𝑓 !A
&B(6.8)
f(.)rappresentalafunzionediscalalacuiformavienericavatadall’analisidelleproprietàasintotichechenecaratterizzanoilsignificato(Logan,1987).
29
6.4DERIVAZIONEANALITICADELMODELLOAUTO-AFFINERiscrivendo𝑄 l;𝐷, l<𝐴 ≈ l>𝑄(𝐷, 𝐴)interminidifferenzialisiottiene:
𝑎𝐷𝑄! + 𝑏𝐴𝑄& = 𝛼𝑄(6.9)dacui,differenziando:
G!;!= G&
<&= GH
>H(6.10)
Risolvendola(6.10)primaperlacoppia(Q,A)epoiper(D,A)siottiene:G&<&= GH
>Hà𝑄𝐴
IJA = 𝑐𝑜𝑠𝑡.(6.11)
G!;!= G&
<&à𝐷<𝐴=; = 𝑐𝑜𝑠𝑡.(6.12)
Dacui:
𝜓(𝑄𝐴IJA , 𝐷<𝐴=;)=0(6.13)
EsplicitandoQ(D,A)dall’equazione(6.13)sidefiniscelagenericaformadellospazioaleatorio(Logan,1987):
𝑄 𝐷, 𝐴 = 𝐴>/< ∗ 𝑓 !A
&B(6.14)
31
7 RISULTATI&DISCUSSIONE7.1ANALISIDELLECURVEDIDURATAIlmetodopropostononèclassificabilecomeunmetododiregionalizzazionedellecurvedidurata,tuttaviasièresapossibilelasuacomprensioneosservandoirisultatiottenutidaiclassicimetodipresentiinletteratura.Ipassichehannoresopossibilelacomprensionedelpresentecasodistudisonoquindiiseguenti
1 Applicazionedell’analisigrafica2 Applicazionedelmetodoparametricostatistico
L’applicazionedientrambelemetodologiehapermessounconfrontochehamessoinlucelelorocriticità.Diseguitosiriportanobrevementeirisultatiottenutiinquesteprimefasidellavoro.SipremettenelcorsodellostudiosièdecisodiutilizzareFDCnormalizzaterispettoilvaloremassimodiportata(ovveroilvaloreaventedurataD1)perchépiùaffineaquestotipodiricerca.Lanormalizzazionerispettol’areadelbacinoinfattinoncomportal’imposizionediunostandardinquantoivaloridiportatavengonosolamenteriscalatiottenendounatraslazionedellecurve.Utilizzandolaportatamassimasiadimensionalizzanolecurvee,aprescinderedallecaratteristichedibacino,varierannotuttesullastessascala,ciòsemplificailconfrontotralediversecurve.7.1.1Applicazionedell’analisigraficaLaformadiunacurvadiduratarispecchialecaratteristicheidrologichedelbacino.Lalorointerpretazioneètuttaviamenobanalediquantocisipossaaspettareinparticolarequandolecurvederivanodaun’areavastacomequellainesame.Intuitivamentevienedapensarechelapendenzadiunacurvadidurataallebassedurate,siadeterminataprincipalmenteda:-impermeabilitàdelbacino,chenedeterminalavelocitàdirispostanellatrasformazioneafflussi-deflussi;-presenzadifenomenidifusinenivaleeglaciale.Questifenomenipossonoessereinterpretaticomeuneffettodilaminazionedelleprecipitazioni,diconseguenzalaloropresenzatenderebbeadiminuirelapendenzadellacurvanellebassedurate;Seguendoquestalogicaspessoriportatainletteratura,cisiattenderebbechelecurvepiùaltederivinodabacinialpiniodabaciniavalledellealpi,mentrelecurvepiùbassecorrispondanoapiccolibaciniappenninici.Sullabasediquesteipotesisièquindiproceduticonl’analisigrafica.LasuddivisionedellecurveasecondadellaloroformaèstatacondottautilizzandoilmetododiclusterizzazionegerarchicodiWard(James,Witten,Hastie,&Tibshirani,2013)(Friedman,Hastie,&Tibshirani,2001).L’algoritmoallabasediquestometodolavoroinduepassi:
- Creazionematricedelledistanze.Talematricecontieneledistanzeeuclideetraidatiinseritiininput;
- Raggruppamentodeidaiminimizzandoladistanzatraloro,ottenendoinoutputundendrogramma.
32
Ilnumerodiclustervienestabilitosuccessivamentetagliandoindendrogrammaarbitrariamente.L’utilizzodiquestometodohaconsentitounasuddivisionenonmeramentevisivadellecurvein3gruppi.Ilrisultatoèapprezzabilediseguito:
Figure16Asinistraildendrogrammaperlaclusterizzazionegerarchicamostratanelgraficodidestra.
Ladistribuzionespazialediquesti3Clustersembrarispettareabbastanzabeneleipotesifatte.L’immagineseguentemostracomelecurvepiùbasse(ovveroquellerosse)sianoprevalentementenellaregioneappenninica,mentrequelleverdisonoprevalentementequellesoggetteafusioneglaciale.
Figure17Distribuzionespazialedei3cluster
33
Tuttaviaosservandodettagliatamenteilrisultatoottenutosiosservacomenoncisiauncomportamentounivoconelvariaredellecurveprocedendodamonteavalle.Cisiattenderebbeunaprogressivadiminuzionedellapendenzadellacurvaprocedendoversolapianurama,dairisultatiottenuti,siosservacomeincerticasiavvengal’opposto.Nell’immaginedisinistrasiriportaundettagliodovesiosservaquestocomportamentoinatteso.Inaggiuntarisultadifficilecomprendereildiversocomportamentodellesezioniriportatenellafiguradestra.Lesezionicerchiatedigiallosonoposteavalledighiacciai,tuttaviaappartengonoinaspettatamentea3clusterdiversi.
Figure18Dettaglidelladistribuzionespazialedeicluster.
Questielementimettonoindubbioleipotesidirelazionetraformadellacurvaecaratteristichegeomorfologichedelbacino.Perquestounaregionalizzazionevoltaadefinireareeomogeneedicomportamentodellecurvenonsembraapplicabilealcasodistudio.7.1.2ApplicazionedelmetodostatisticoParallelamenteall’analisigraficasiècondottaun’analisistatisticadellecurve.Obiettivodiquestaanalisièquellodiregionalizzareiparametridellafunzionediprobabilitàchemegliosiadattaaidatidisponibili.Sullabasedidiverseproveetramitel’analisidelgraficodiCullenandFrey(Cullen&Frey,1999)cheriportalacurtosiel’asimmetriadelladistribuzioneempiricadeidatiinsiemeaglistessivaloriperdiversedistribuzioninote,sièsceltodiutilizzareladistribuzionegamma.
Figure19GraficodiCullenFreyperlostudiodell'asimmetriaecurtosidelladistribuzioneempiricadeidatirelativiadIsola
34
L’adattamentodiquestafunzionesièdimostratovalidoconvalorideltestdiKolmogorov-Smirnofflargamentesuperiorialvaloredip-valuedi0.05.Tuttavia,procedereconlaregionalizzazionedeiparametridiquestadistribuzionesignificherebbeattribuiredeivaloridiparametricostantisudelleregioniomogenee.Questoapproccioècertamenteperseguibilemaignorerebbequantoosservatonell’analisigrafica,ovverocheinunastessaareasipossonoosservarecomportamentilargamentedifferenti.Taleconclusionevieneriscontrataanchenellavoroditesididottoratodi(Boscarello,2014)(Boscarello,Ravazzani,&Mancini,2016)incui,tramiteun’analisimulti-regressivatraiparametridelledistribuzionilog-normaliadattatealleosservazionidiportataelediversevariabilimorfologiche,mostracomelecurvediduratasianodifficilmenteregionalizzabilisuareegeograficheomogenee.7.2COMPRENSIONEDELPROBLEMADisporrediunlaboratoriovirtualesièdimostratocrucialeperlacomprensionediquantoosservato.Realizzandole12simulazionisièosservatoilcomportamentodellecurvealvariaredeiparametridescrittividiunbacinoesièpotutoindagaresullaprimaipotesiallabasedeimetodiclassici,ovverosullasensatezzadiunasuddivisionedellecurveingruppi(ocluster)omogeneamentedistribuitisulterritorio.Laricercasièsviluppatasull’ideacheteoricamenteogniclusterindividuatopotrebbeessereidentificatodaun'unicacurvadiduratacaratteristicaintornoallaqualesidistribuisconolecurvediduratadelclusterconunacertavariabilità.Ladeviazionedellecurveattornoallacurvacaratteristicadelclustersarebbequindidatadalledifferenzegeomorfologicheeclimatichechepossonoquindiessereconsideratecomeunrumore.Semplificandoquindiilprocessoditrasformazioneafflussideflussitramitelaprogressivaesclusionedellevariabilitàspazialidicertiparametri,sidovrebbequindiescludereilrumoredatodalladifferenzatraibaciniegiungereadunarobustadefinizionedelnumerodiclusteredellevariabilideterminanti.Mantenendovalidal’ipotesidellapresenzadi3gruppipropostanelmetodograficosièquindiprocedutorealizzandole12simulazioniprecedentementeelencateeallalorocomparazione.LeprincipalivariabilichecontribuisconoallaformadiunaFDCsono:-precipitazioni;-variabilitàdellecaratteristichedelsuolo;
35
7.2.1SIM_PCCNVVSSIM_PVCNCLeprimesimulazionicomparatesonostatequindiSim_pccnv,Sim_pvcnceSim_all.Perentrambequestesimulazionisiricordacheèstataesclusalapresenzadineveechenellaprimaèstataesclusalavariabilitàspazialedellepiogge,mentreperlasecondalavariabilitàspazialedellecaratteristichedelsuolo(spessore,porosità,ecoperture).
Figure20FDCderivantidatrediversesimulazioni:Sim_all,Sim_pccnv,Sim_pvcnc
Ilgraficoinaltoasinistraèrelativoallasimulazioneapioggiavariabile,quelloinaltoadestraallasimulazioneconCNcostanteequellosottoèrelativiallasimulazionerealistica.Percomprendereirisultatirisultanonecessaridueconfronti:
1- Osservandoledifferenzetraiduegraficiinaltoequelloriportantelasimulazionerealisticasinotacomeinentrambiicasicisiaunatendenzadellecurveacomprimersineiinununicogruppo
36
2- ComparandoinveceiduegraficiinaltosiosservacomelavariabilitàtralecurvesiaminorequandovieneimpostoilCNcostante,ovveronelgraficoinaltoadestra.
Senededucechelasuddivisionein3clusterèfortementeinfluenzatadallavariabilitàspazialedipioggeecaratteristichedelsuolo.Inparticolarelafortediminuzionedellavariabilitàdellecurveconl’imposizionedisuolocostanteintuttal’areadistudiocimostracomelecaratteristichedelsuoloelasuacoperturainfluenzinolaformadelleFDCs.Comequest’ultimofattoreinfluenzileFDCèinvestigabilerealizzandosimulazioniincuisieliminalavariabilitàspazialedelleprecipitazioniedelsuoloimponendoperognisimulazionevaloridiCNdifferenti.IvaloridiCNimpostisono:CN40,CN50,CN60,CN70,CN80,CN90,CN100.
7.2.2Simulazionidimassimasemplificazione
Questesimulazionisonoquelledimaggiorsemplificazionedellarealtàcheconsentonodiverseosservazioni.InnanzituttosipuòverificarecomevarialarispostadiunbacinoidrograficoalvariaredelsuovalorediCN.
Figure21Variazionedellaformadellacurvadiduratarelativaadun'unicasezionealvariaredelvalorediCN.
IlgraficoprecedentemostralecurvediduratarelativeadunasezionedichiusuraericavateconidiversivaloridiCN.Ilcomportamentodiquestecurvecispiegal’influenzadellecaratteristichedelsuolosullatrasformazionedegliafflussiindeflussi.AldiminuiredelvalordiCNsiosserva:
- Diminuzionedelledevolumed’acquatransitanteperlasezione,ovverodell’areasottesaallacurva;
- Aumentodellapendenzanellebassedurate.
37
QuestevariazionisonoparticolarmenteampiepassandodaCN100aCN90,ciòsignificacheunbacinointeramenteimpermeabiletrasformacompletamenteognieventodiprecipitazioneindeflusso,aumentandoquindiilnumerodigiornicaratterizzatidaportateelevate.Lapermeabilitàdelsuolononsolorallentaquestoprocessoriducendoilnumerodigiorniconportateelevatema,combinatoconifenomenidievaporazione,riducesensibilmenteilvolumed’acquadefluente.Aldiminuiredeitempidirispostadelbacino,ovveroaumentalasuavelocitàneltrasformareafflussiindeflussi,sihaquindiunadiminuzionedellapendenzadellacurva.Percuibacinidialtamontagnadovrebberopresentarecurvechedecresconolentamenteperbassedurate.Ilgraficoseguentemostraquantoappenaosservatoinunconfrontotra2sezionidifferenti:
Figure22VariazionedelleformadellaFDCalvariaredelvalorediCNosservatacomparandoduediversesezioni.
LacurvainnerosiriferisceallasezionediCandogliasituatasulfiumeToceaipiedidellealpieconCNmedioparia93.LacurvainrossosiriferisceallasezionediCassinesugliappennini,CNmedio66.L’areadelleduesezionièdicirca1600km2.Entrambelecurvederivanodallasimulazione“LiquidWorld”,inquestomodosiescludeilcontributodeighiacciaisullasezionediCandoglia.OltrealconfrontodellavariazionedelcomportamentodiunbacinoalvariaredeivaloridiCNsisonoconfrontatelediversesimulazioninelcomplessopepoterestenderequantoriscontratoprecedentementealivellopiùgenerale.
38
Ilgraficoseguentemostratuttelecurvegeneratedaiduecasiestremiaconfronto:
Figure23ConfrontotraduediversesimulazioniSim_pccn100,Sim_pccn40.
LecurverossesonoquellerelativeallasimulazioneconCN100mentrequelleverdisiriferisconoaCN40.OsservandoquestograficosinotacomelavariabilitàtralecurvesiainferioreperquellederivantidaSim_pccn100.Questaèinfattilasimulazionediunmondoestremamentesemplificatodovecisiattendeuncomportamentosimilesenonugualedapartedeibacinichelocompongono.Lavariabilitàresiduadovrebbeteoricamentederivaredallecaratteristichemorfologichedelbacinodrenantesottesoallesezioni.QuestarelazionenonèspiegabiletramiteunulterioresimulazioneinquantorichiederebbeunalterazionedelDEM(DigitalElevationModel)equindidell’areadistudio.Sièquindiprocedutocercandounarelazionetralapendenzadellecurveelapendenzadeibacini,definendolapendenzadellecurvecome:
(QRS HTUVV =QRS(HTU))WW
(7.1)Ovverolapendenzacalcolatatraleportatecorrispondentialladurata1(Q1)eladurata100(Q100)considerandoleinformalogaritmica.Ponendoivaloritrovatisulleascisseeirispettivivaloridipendenzamediadeibacinisulleordinatesiottienequindiilseguentegrafico:
Figure24Scatterplotdellapendenzamediadeibaciniedellerispettivecurve.
39
Dalqualeèpossibileconcluderecheidatidipendenzamediadibacinononsonoinrelazioneconlependenzedellecurve.Lostessorisultatovieneottenutocercandorelazionitralapendenzadellecurveelalunghezzadell’astaprincipaleolasuapendenza.Ilrumoreresiduoèevidentementedaattribuireaunapiùcomplessacausadifficilmentespiegabiletramitel’utilizzodiunasempliceregressionelinearetraparametri.7.3DEFINIZIONEDELMETODOAUTOAFFINEInquestolavorosiproponeunanuovametodologiaperladerivazionedicurvediportatamedienormalizzaterispettoallaportatamassimainbacininonstrumentati.Caratteristicaprincipalediquestonuovometodoèlaregionalizzazionedeibacinisullabasedellaloroestensionespaziale.Levariabiligeomorfologiche(comelatipologiadisuoloelapendenzadelbacino)eclimatichenonvengonoconsiderate,permettendoquindiladefinizionediunmodelloestremamentesemplice.Talerisultatoèpossibiletramitel’applicazionediunmodellobasatosulconcettodiAUTO-AFFINITÀstatisticache,opportunamentetaratoocalibrato,permettedunquediconsiderareunicamentelasuperficie(km2)diunbacinoediignorarelavariabilitàspazialedellesuecaratteristiche.Siprocedequindidefinendolaformadelgenericocampoaleatorioespressodall’equazione(6.14)equindidellafunzionediscalaf(D,A)ènecessariostudiarneilcomportamentofisicoaisuoiestremi:
- PerD=1Q=QD1dove,percomeèstrutturatalaFDC,QD0rappresentamax(Q)- PerD=365Q=QD365doveQD1rappresentalaportataminima,min(Q).
- PerAà0Qà0- PerAà¥QàQmaxPortatarelativaatuttal’areadistudio.
Neconseguechelafunzionediscalaassumelaseguenteforma:
𝑄 𝐷, 𝐴 = 𝐴JA𝐶X 1 + v (!=X)A
&B
=Z(7.2)
dove:c1=costantemoltiplicativab=esponentediscalapositivov=fattoredinormalizzazioneespressoin[kma/D-b]Èdimostratochegliesponenticontenutinell’equazione(7.2)sonoinrelazionetraloro(Barabási&Harry,1995).Infatti,perD>>Asipuòriscriverelaprecedenteequazionecome:
𝑄(𝐷, 𝐴) ≈ 𝐷=<Z (7.3)
40
laquale,associataconlaseguenterelazionidipotenza
𝐷<𝐴=; = 𝑐𝑜𝑠𝑡𝑄𝑎
IJA = 𝑐𝑜𝑠𝑡
(7.4)
diviene:
𝑄 ∝ 𝐴JA
𝑄 ∝ 𝐷=<Z (7.5)
valendolaproprietàdiinvarianzadiscalapercui𝐷 ∝ 𝐴'sipuòscrivere:
𝑄 ∝ 𝐴JA
𝑄 ∝ 𝐴='<Z (7.6)
Dal sistema (7.6) si deduce facilmente che: >
<= −𝑧𝑏𝛽
Sapendo ora che a=b*z si ottiene infine: 𝛽 = − >
;<
Imponendo infine D = 1 nella formula (7.2) si ottiene
𝑄 𝐷, 𝐴 ≈ 𝐴JA𝐶X (7.7)
considerando il concetto di mono-frattalità per cui 𝑞 1 = H(&)
&` , si ottiene:
𝛼𝑏 = 𝑚
𝐶X = 𝑞(1) (7.8)
dove q(1) rappresenta la portata generata da un bacino avente superficie unitaria. Alla luce delle relazioni tra esponenti appena viste si può riscrivere la relazione di auto-affinità come:
𝑄 𝐷, 𝐴 = 𝐴b𝐶X 1 + v (!=X)A
&B
=`B (7.9)
La i-esima portata normalizzata rispetto alla massima diventa quindi il rapporto tra QDi (con i>1) e la portata QD1 ovvero:
𝑟6 =HT"(!,&)HTU(&)
= 1 + v (!=X)A
&B
=`B (7.10)
L’equazione precedente rappresenta l’equazione del fattore di riduzione delle portate rispetto alla portata massima. Tramite tale relazione diviene possibile ricostruire l’intera curva di durata espressa in termini di frequenze assolute con la sola conoscenza dell’area del bacino sotteso.
41
Ladeterminazionedellacurvadiportatamedianecessitadiunulterioreaccorgimento.LavariabileinquestocasononèpiùlavariabilealeatoriaQ(D,A)mailsuomomentodelprimoordine,ovveroilvaloreattesoE[Q(D,A)].Larelazione
𝑄 l;𝐷, l<𝐴 ≈ l>𝑄(𝐷, 𝐴)(7.11)
Incondizionidiindipendenzadell’esponentediscala𝛼dallivellodiprobabilitàdiQ(D,A),questarelazioneesprimeauto-affinitàstatisticasemplice.Incasocontrariosiavrebbeunilcasogenericodiaffinitàstatisticamultiscalata,percuivarrebbe𝜉 𝑞 = 𝛼e ∗ 𝑞,ovveroanonsarebbecostantemadipendentedaltempodiritorno.Burlando&Rosso(ROSSO,BRATH,BURLANDO,DEMICHELE,&MANCINI,1996),propongonounaformadellafunzioneaqvalidaconsiderandoQapprossimabiledaunavariabilelog-normale,deltipo:
𝛼e = 2𝛼X − 𝛼g + 𝑞(𝛼g + 𝛼X)(7.12)essendonoiinteressatialmomentodiprimoordine,siponeq=1ottenendodall’equazioneprecedenteun’identità.Sideducequindicheilmomentoprimo,a1èindipendentedallivellodiprobabilitàanchenelcasopiùgeneralemultiscala.Riscrivendolarelazioneperilq-esimomomento:
𝐸[𝑄e l;𝐷, l<𝐴 ] ≈ lk(e)𝐸[𝑄e 𝐷, 𝐴 ](7.13)
Assumendocondizionidiauto-affinitàsemplice,larelazionetral’esponente𝜉 𝑞 e𝛼vieneespressatramiteununasemplicerelazionelinearedeltipo:
𝜉 𝑞 = 𝛼 ∗ 𝑞(7.14)Dacuisiottiene:
𝑄 𝐷, 𝐴 = 𝐴b𝐶X 1 + v (!=X)A
&B
=`B (7.15)
Ilfattorediriduzionedivienequindi:
𝑟 = HT"(!,&)HTU(&)
= 1 + v (!=X)A
&B
=`B(7.16)
dove𝑄 = 𝐸[𝑄 𝐷, 𝐴 ].L’equazione(7.16)delfattorediriduzionepermettequindidiricostruirelacurvadidurataattesanormalizzatarispettolaportatamassimatramitelaconoscenzadell’areadelbacinosottesoallasezionediinteresseedeiparametriv,m,a,b.
42
7.3.1LADETERMINAZIONEDEIPARAMETRI
Pertuttelesimulazioni,conlasolaesclusionedellasimulazioneSim_GL,sisonoquindicalcolatiivalorideiquattroparametriapplicandolaseguentemetodologia:
1) Determinazionedelcoefficientem:
LadeterminazionediquestocoefficienteavvienetramitelaregressionelineareapplicataalcasoparticolaredellaformuladiautoaffinitàincuiD=1,ovveroquandosiverificalaportata𝑄b;l.
All’equazione𝑄 𝐷, 𝐴 = 𝐴b𝐶X 1 + v (!=X)A
&B
=`BsiimponequindiD=1ottenendo
𝑄 𝐴 = 𝐴b𝐶X (7.17)
dove 𝑄 (A) rappresenta la portata massima giornaliere osservata.
2) Determinazione dei coefficienti a, b e v: noto il coefficiente m è quindi possibile determinare i restanti coefficiente tramite prove iterative condotte come segue:
- Si fissa arbitrariamente un valore v; - Utilizzando i dati di portata osservati normalizzati rispetto alla portata massima, e
l’espressione del fattore di riduzione:
𝑟 = HT"(!,&)HTU(&)
= 1 + v (!=X)A
&B
=`B (7.18)
si ricavano tramite regressione i valori di a,b per ognuna delle 67 sezioni.
- Modificando il valore v si osserva se l’adattamento della funzione ai dati migliora, sulla base di questo dato si stabilisce come variare ulteriormente v.
In questo modo si ottengono 67 coppie di a,b per ognuna delle simulazioni FEST considerate. Questi due parametri sono di particolare importanza data la loro relazione stretta con l’esponente di scala z:
a = b ∗ zà 𝑧 = ;< (7.19)
Laloroanalisirisultaquindidiparticolareimportanzapercomprenderecomeilmodellodiauto-affinitàpossaessereregionalizzabile.
43
7.3.2Applicazionedelmetodoauto-affineallasimulazioneSim_pccn100IprimirisultatianalizzatisonoquelliottenutidallasimulazioneSim_pccn100inquanto,datalasuasemplicità,cisiattendechecontenganopocorumore.Loscatterplotdelle67coppiedia,bmostrainfattiunaforterelazionetraidueparametri,comemostratoinfigura:
Figure25Correlazionedeiparametria,b.
Siosservauncomportamentofortementelinearedeiduecoefficienti.Inrossoèriportatalarettadiregressioneeinaltolasuaespressioneanalitica.Siosservainoltrecheidueparametriassumonovalorivariabiliinintervalliristretti.Ilparametro“a”variainunintervallodiampiezza1.2,mentre‘intervallodelparametro“b”èdiampiezzaunitaria.Lapalesecorrelazionedeiparametria,belaristrettezzadeilororispettiviintervallidivariabilitàmostralapossibilitàdifissareunacoppiavalidapertuttelestazioneinesameequindidiadottareununicocluster.Tuttaviaunesamedisensitivitàdellacurvaallevariazionideidueparametrimostracome,modificandoivaloriassuntidaidueparametri,laformadellacurvavarinotevolmente.Diseguitoilgraficoriportanteirisultatidell’analisi:
Figure26Variazionedellacurvaalvariaredeiparametria,b.
44
Questaverificaèstatarealizzatafissandoivaloridivedmrispettivamenteparia10e2ed,utilizzandoidatirelativiadun'unicasezione,sisonovariatiivaloridia,binaccordoconl’equazionedellarettadiregressione:b=0.49*a+0.74presentenell’immagine34.Letrecoppieindividuateperl’analisisonoselezionateperricoprireefficacementelavariabilitàdeivaloriassumibilida(a,b)esono:(a=0.8;b=1.13),(a=1.2;b=1.33),(a=1.6;b=1.52).7.3.3DETERMINAZIONEDEICLUSTERPerdiminuirelavariabilitàdicomportamentodellecurve,ènecessariocheibacinivenganosuddivisiinclustercuisiattribuirannovaloridia,bcaratteristici.Perladeterminazionediuncriteriodiclusterizzazionesianalizzailrapportodeidueesponentidiscala(a,b)alvariaredell’unicoparametrodelbacinopresentenellaformuladelcoefficientediriduzioner,ovverolasuperficie.Daigraficiottenutisiosservacheilcomportamentodeidueparametriinrelazioneallasuperficie[km2]èsostanzialmenteilmedesimo.
Figure27Relazionitraiparametria,belerispettiveareedibacino.
Siaachebmostranoinfattiunarelazioneditipoiperbolicaconlasuperficie,ovveroalcresceredelvaloreassuntodaiparametridiminuiscel’estensionedelbacino.Sievincedunquechelasuddivisioneinclusterdeibacinipuòesserecondottasullabasedellalorosuperficie.Inquestolavorosipropongonoi3seguenticluster:
- Cluster1:baciniaventisuperficiemaggioredi1000km2- Cluster2:baciniaventisuperficiecompresatra100e1000km2- Cluster3:baciniaventisuperficieminoredi100km2
Ilrisultatoditalesuddivisionevisualizzatosulpianodeiparametri(a,b)èilseguente:
45
Figure28Suddivisioneinclusternellospaziodeiparametria,b.
Ognunodiquestigruppiècaratterizzatodaspecificivalorideicoefficientiindividuatitramiteminimizzazionedegliscartitraleosservazionielacurvateorica:
𝑟 = 1 + v (!=X)A
&B
=`B (7.20)
Ivaloriottenutisono: Cluster1 Cluster2 Cluster3
a 0.02462 0.02713 0.0033b 0.58837 0.59124 0.5875m 0.95181 0.97699 0.9158v 0.01 0.01 0.001
Table4TabelladeiparametriottenutiperlasimulazioneSim_pccn100
Diseguitosiriportacomeesempioilrisultatoottenutosuunasezioneappartenentealcluster3,inrossoèriportatalacurvateoricamentreinarancioneleosservazioni:
Figure29EsempiorisultatoottenutodallasimulazioneSim_pccn100.
0,5
0,7
0,9
1,1
1,3
1,5
1,7
0,9 1,1 1,3 1,5 1,7
a
b
cl1
cl2
cl3
46
Ilgrafico(29)èunesempiodicomelacurvateoricadelmodelloauto-affineapprossimibeneleosservazioniequindicomelaclusterizzazionedellesezionisecondol’areasiaunmetodoperseguibile.
47
7.4Applicazionedelmetodoauto-affineallasimulazionerealistica(Sim_all)LaclusterizzazionepropostaalparagrafoprecedentevieneoraapplicataallasimulazionerealisticaSim_all.Talesimulazione,considerandolavariabilitàspazialedellecaratteristichedelsuoloemetereologiche,èquindisoggettaamaggiorevariabilitàdelcomportamentodeibaciniidrografici.Larelazionetraiparametria,bdelmodello(8.20)rimanequellaiperbolicariscontratanelparagrafoprecedenteconl’aggiuntadiunrumorechelarendemenonetta:
Figure30RelazionedeiparametriaebcalcolatiperSim_allconlasuperficiedeibacini
L’effettodellacomplessitàdellasimulazioneSim_allèmaggiormenteevidentesulgraficodidestraraffigurantelarelazionetrailparametro“b”elasuperficiedeibacini.Tuttaviaentrambiigraficimostranocomeivalorideiparametricrescanoaldiminuiredell’estensionedeibaciniancheinquestocaso.Sièquindimantenutavalidalasuddivisionedeibacininei3seguenticluster:
- Cluster1àbaciniaventiareemaggioridi1000km2àA>1000- Cluster2àbaciniaventiareecompresetra100e1000km2à100<=A<1000- Cluster3àbaciniaventiareeminoridi100km2àA<100
perognunodeiquali,tramiteanalisidiregressioneeottimizzazione,sisonodefinitiivalorideitreparametria,b,v e m: a b v m Cluster 1 0.4457 0.9645 10 0.5867 Cluster 2 0.78922 1.2624 35 0.8113 Cluster 3 1.2905 1.0392 40 2.5511
Table5
48
Mediantelatabellaprecedenteeconoscendol’areadelbacinosottesoadunasezionediinteresse,èpossibilecalcolare𝑄fissataladurataDnell’intervallo(1-365).Svolgendoicalcolicontuttiipossibilivalorididuratasirisalequindiallacurvadidurata.Diseguitosiriportanoirisultatiper6diversesezioni,dueperogniclusterinmododamostrarebaciniconsuperficidifferenti.InarancionesonoriportateleosservazionimentreinrossolaFDCteoricaderivantedallaformuladiauto-affinità.OgnunodeiseguentigraficièaccompagnatodaunatabellaincuivieneriportatoilvaloredelcoefficientedideterminazioneR2:
Figure31ConfrontotraFDCnormalizzataedosservataperlastazionediIsola
Stazione Cluster Superficie
km2R2
Isola 1 26165 0.9297477Table6
49
Figure32ConfrontotraFDCnormalizzataedosservataperlastazionediCassineBormida
Stazione Cluster Superficie
[km2]R2
CASSINE 1 1585 0.9903549Table7
Figure33ConfrontotraFDCnormalizzataedosservataperlastazionediQuintoVercellese
Stazione Cluster Superficie
[km2]R2
QUINTO_VERCELLESE 2 983 0.9077469Table8
50
Figure34ConfrontotraFDCnormalizzataedosservataperlastazionediMoncalieriSangone
Table8
Figure35ConfrontotraFDCnormalizzataedosservataperlastazionediPassobreveCervo
Stazione Cluster Superficie
[km2]R2
Passobreve_Cervo 3 90 0.9909692Table9
Stazione Cluster Superficie[km2]
R2
Moncalieri_sangone 2 251 0.9226516
51
Figure36ConfrontotraFDCnormalizzataedosservataperlastazionediPoirinoBanna
Stazione Cluster Superficie[km2]
R2
POIRINO_BANNA3 82 0.9957365Table10
7.4.2 LECURVENONNORMALIZZATE
Conoscendoleportatemassimeattese𝑄(𝐴)inunasezioneèquindipossibileottenerelacurvadiduratatramitelaseguenteequazioni:
𝑄 𝐷, 𝐴 = 𝑟𝑄(𝐴)(7.21)
DIseguitosiriportanoirisultatiottenutipertresezioniappartenentia3differenticluster.Perognisezionesiriportanosialecurvenormalizzatechequelleeffettiveinmododapoterapprezzarelavariazionediscaladatadall’equazioneprecedente.Lacurvarossamostraleosservazioniedèaccompagnatadals-bound(rappresentatotramitelecurveverdi)chepermettediconsiderareildiscostamentedeidatiattorniallorovaloremedio.
52
Figure37ConfrontotraFDCnormalizzateedeffettiveottenuteperviaempiricaetramitemodelloteoriconellasezionediFarigliano
Figure38ConfrontotraFDCnormalizzateedeffettiveottenuteperviaempiricaetramitemodelloteoriconellasezionedi
Mambaldone
53
Figure39ConfrontotraFDCnormalizzateedeffettiveottenuteperviaempiricaetramitemodelloteoriconellasezionedi
Passobreve
Siosservacomeladistanzatralacurvateoricapropostadalmodelloequellaosservatanonvaripassandodallecurvescalateaquelleeffettive.Loscartotraleduecurveèinoltrecompresoneilimitidellavariabilitàdeidatimostratadals-bound.
54
7.5LEALTRESIMULAZIONIApplicandoilmodelloautoaffinepropostoallealtresimulazionidiportatarealizzateèpossibileosservarecomevarianoiparametria,b.Ilgraficoseguentemostral’andamentodeiparametrinelle5principalisimulazioni:
Figure40Andamentodeivalorideiparametria,bnellediversesimulazioni.
LalinearosaenerasonorelativerispettivamenteallasimulazioneLiquidWorldeReale.Idatidispersiattornoaquesteduelineesonoinfattisoggettidagrandevariabilitàegliintervalliincuivarianosonoquellidiampiezzamaggiore.Nonostanteciò,comesiosservaneigraficiriportatinelcapitolo7.4,lasuddivisionein3clusterconsentediricostruirelefdcinassenzadiosservazionimantenendoloscartotracurvateoricaedosservazionicontenuto.Ilmodellorisultaquindipossedereunacertaelasticitàcheconsentediignorarelevariabilitàdeibacinipurchéessasiacontenuta.7.6CRITICITÀdelMODELLOApplicandoilfattorediriduzioneatuttiibacinianalizzatiinquestolavorohapermessodiindividuareleprincipalicriticità.Siosservainfattiunabuonacapacitàdiadattamentodellalineateoricaaidatiosservatinonostantelegrandidimensionidell’areastudiataequindilaforteeterogeneitàdibacini.Tuttavial’errorediadattamentodelmodelloèconsiderevolepersezionicaratterizzatedaportatefortementedipendentidallafusioneglaciale.Nellaseguentetabellasonoriportatelesezionisoggetteafusioneglacialeconlarelativapercentualediportatadovutaatalefenomeno:
55
NomeSezione PercentualevolumederivantedafusioneIsola 7%Palestro 2%Borgosesia 6%Candoglia 3%Crescentino 12%Tavagnasco 29%PontSoana 6%Lanzo 1%SusaDoraRiparia 0,8%SusaCenischia 4%Maggiore 0,9%LANZO_STURA_DI_LANZO 1%SAN_BENIGNO_ORCO 5%SUSA_CENISCHIA 4%TORINO_DORA_RIPARIA 0,6%TORINO_STURA_DI_LANZO 1,3%CANDOGLIA_TOCE 3,4%LAGO_MAGGIORE 0,9%
Table11
Lacolonnadidestradellatabella11riportaperognisezionelapercentualedivolumemedioannuod’acquadovutoallafusionedeighiacciai.LasezionediTavagnasco,avalledeigrandighiacciaidellaVald’Aosta,èfortementeinfluenzatadaquestofenomenoconil29%delvolumetotaletransitanteinunannoderivantedaighiacciai.QuantoappenadettoèosservabilenelseguentegraficodelleportatemediegiornaliereosservatenellasezionediTavagnascoinunanno:
Figure41AndamentoportatenellasezionediTavagnasco
Siosservanoinfattielevativolumiinprimaveraedestate,quandoleportatesonodovuteprincipalmentedalloscioglimentodellenevi(inprimavera)edeighiacci(inestate).
56
QuestofenomenoalteranotevolmenteilcomportamentodellaFDCinquestasezione,percuilasuacurvadiduratanonèricostruibiletramiteilmodelloauto-affineproposto.Lasemplicitàdellaformulazionepropostadelcoefficientediriduzione(formula7.20)èallostessotempolasuacriticitàinquantononconsideral’eventualepresenzadighiacciaiche,nelcasoincuiincidanonotevolmentesulleportate,nonpossonoesseretrascurati.DiseguitosiriportanolecurvediduratadelleportateosservateelecurveteorichedellasezionediTavagnasco:
Figure42MalfunzionamentodelmodellonellasezionediTavagnascoevidentesianelleFDCscalatecheinquelleeffettive
Unapossibilesoluzioneaquestodifettopotrebbeessereladefinizionediunnuovoclusterincuisiconsideranolesezioniaventilecaratteristichedicuisopra.Intalemodoilcoefficientediriduzioneverrebbetaratoconsiderandol’effettodeighiacciai.PerrealizzaretalepassaggioservirebbequindiunmaggiornumerodisezioniaventicaratteristichesimiliaquellediTavagnascopercuipoirealizzaresimulazioniedottenereidatidiportatanecessariperstudiarneilcomportamento.
57
8.CONCLUSIONIeSVILUPPIFUTURIIllavorospiegatonellepagineprecedentihaesploratolapossibilitàdiutilizzareunmodelloidrologicodistribuito(FEST)perstudiareilcomportamentodellecurvediduratadelleportateediapplicareilconcettodiauto-affinitàstatistica,equindidinozionirelativeaifrattali,aibacinidell’altavalledelfiumePoperottenerelacurvadiportatadelleportatemedia.L’utilizzodiFESThaconsentitodidisporrediun’enormequantitàdidatigeneratisottocondizionidifferenti.Diconseguenzaèstatopossibilescomporreilproblemaperindividuareilcontributodiognifenomenoallagenerazionedelleportateeindagaresulcattivofunzionamentodimetodiclassicidiregionalizzazionedellecurveapplicatiall’areadistudio.Realizzandodiversesimulazionisièpotutoosservarequantolavariabilitàclimaticaequellageologicainfluiscanosullarispostadiunbacinoequindisullaformadellecurvedidurata.Inparticolaresiosservacome,escludendolevariabilitàdicuisopra,persistaunacertadifferenzatraleFDCprovenientidaidiversibacini.Questofenomenoèimputabileunicamenteallecaratteristichemorfologiche.Talicaratteristichesonotuttaviadifficilmenteinterpretabilitramiteunindiceequindidifficilmentecomparabili,laspiegazionediquestavariabilitàvienequindicondottaintroducendoilconcettodiauto-affinitàstatisticacheconsentediconsiderareuncomportamentofrattaledeibacinisianellospaziocheneltempo.Ilmodellorisultantedataleanalisièdescrittodallaformuladelfattorediriduzioner(equazione7.16)checonsentediricostruireleFDCnormalizzateperlesezioninonstrumentatetramitelasolaconoscenzadell’areadelbacinoidrograficosotteso.Diconseguenzalevariabilitàgeologicheeclimatichevienetrascurataelavariabilitàtraibacinivieneinterpretataconsiderandounicamentelavariazionedisuperficiedeibaciniediscalatemporaledelleportate.Laregionalizzazionedellecurve,comeintesaneimetodipresentiinletteratura,sitrasformaquindiinclusterizzazione,ovveroraggruppamentodeibacinisullabasedellalorosuperficie.Sièquindipropostaunasuddivisionein3cluster(vedicapitolo7.3.3)percuièstatarealizzataunataraturadelmodellovoltaadefinirneiparametriperognunodiessi.Applicandoquindiilmodelloadognunodeiclustersièriscontratounabuonacapacitàdisimulazionedelleosservazioniperbaciniprovenientidaun’areadistudiomoltovastaedeterogeneacomequellainesame.TuttavialaprecisioneconcuiilmodelloriescearicostruireleFDCdipendestrettamentedall’estensionedell’areasucuiessovienetarato.Nelparagrafo7.3.4simostrainfatticome,avendotaratoilmodellosuunareadigrandeestensione,nonsiapossibileconsiderareappienolevariabilitàdirispostadeidiversibacini.Inbreve,lavariabilitàdellecaratteristicheclimatiche,delsuoloeclimatichenonsonotrascurabilinemmenoconilmodelloauto-affine,specialmenteseèrichiestaun’altaaffidabilità.Persopperireatalecarenzadiprecisionesidovrebbeapplicareilmodelloaregionidiminoridimensionie,perognuna,definireiclustereirelativiparametri.Inquestomodo,tarandoilmodellosuareepiùomogenee,siridurrebberolevariabilitàesiotterrebberoelevateprestazioniperunmodellofacilmenteapplicabile.
58
Inconclusioneilmodellopropostoinquestolavororisultadiparticolareinteresse,nontantopercomeèstatoimpiegatosullapresenteareadistudio,quantoperlesuepotenzialità.Lavorifuturidovrebberoapprofondirelasensitivitàdelmodelloallavariazionedicaratteristichedeibacinicomeilsuolo,ilclimael’orografia.Inoltrerisultafondamentaleunconfrontofinaledeirisultatiottenuticondatiosservatirealmenteenonsinteticiperunasuadefinitivavalidazione.
59
a1.Appendice1DettaglidiFESTRiprendendoilgraficoriassuntivodelfunzionamentodifest,siapprofondisceinquestasezionelastrutturadeisuoiblocchidicalcolo:
a.1.1BloccoDatiIlmodellonecessitadidati spazialmentedistribuiti, comeDEM,e coperturedel suolo, edidatimeteo. Inparticolarequestiultimi sono la radiazione, come radiazionenetta (W/m2), fruttodelbilancio tra radiazioneentranteeuscente.La temperatura inoltreèparticolarmente importanteperchecondiziona fenomenidi accumulonivale.Perquestoaspettovieneassuntoungradienteverticaledicirca6,5°Cogni1000mdiquotasenzaconsiderarefenomenidiinversionetermica.Ildato, come quello di umidità, viene poi interpolato con il metodo della distanza inversa. LaprecipitazioneinvecevieneragguagliataconilmetododeipoligonidiThiessen.
60
a.1.2BloccoNeveIlblocconevetienecontodiduefenomeni:accrescimentoefusionedelmantonevoso.Ilmodellodiaccumuloèilseguente:𝑃q = 𝛼r ∙ 𝑃(a.1)𝑃t = 1 − 𝛼r ∙ 𝑃(a.2)DovePèdefinitocomel’equivalenteinacquadellaprecipitazionee𝛼rèuncoefficientediripartizionedipendentedallatemperaturasecondolalegge:𝛼r = 0𝑇; < 𝑇6wx(a.3)𝛼r =
yB=y"z{y|}~=y"z{
𝑇6wx < 𝑇; < 𝑇t�r(a.4)
𝛼r = 1𝑇; > 𝑇(a.5)Selatemperaturadell’aria𝑇;èpiùaltadellasogliasuperioresiavràsoloprecipitazioneliquida;alcontrariosela𝑇;èpiùbassadellasogliainferioresiavràsoloprecipitazionesolida;seinvecerisultacompresatraleduesiavràunaquotadipioggiaeunaquotadineve.Lesogliesonostateassunteugualiparia0°C.Conilmodellodiscioglimento,invece,vienestimatalafusionedelmantonevoso,cosìdapoterstimarelapartecontribuentealdeflussosuperficiale,secondolaseguenteformulazione:𝑀t = 𝐶b(𝑇; −𝑇<)(a.6)Dove𝑇;èsemprelatemperaturadell’aria,𝑇<inveceèlatemperaturadibase,𝐶binfineèuncoefficienteempiricovalutatoasecondadellecondizionigeografiche,metrologicheedelleproprietàdelmantonevoso,contenendocosìtuttiiparametrifisicinonconsideratinelmodello.a.1.3BloccoInfiltrazioneIlbloccoinfiltrazionericeveiningressoidatidiumiditàadognidt,ecalcolailparametroSognivoltachesiverificauneventopiovoso,taleparametropassapoialbloccodibilancio.Perstimarel’infiltrazionesiutilizzailmetodoSCS–CNadattoallesimulazionicontinue,ciòsignificacheilvalorediumidità(𝜃)nonvieneriferitoaicinquegiorniprecedentil’evento,mavieneassuntocomeilvaloreall’iniziodellaprecipitazione,questoèpossibilemediantel’aggiornamentodelvalorediumiditàadognistepdicalcolo.Siricavapoilasaturazione(𝜀)tramitelaformula:𝜀 = ��=���|
�|B�=���|(a.7)
Dove𝜃t;�corrispondeall’umiditàasaturazionee𝜃��t,invece,corrispondeall’umiditàresidua.Inquestomodosiottieneuncalcolodi𝜀�adognistepdicalcolo,attraversoilqualeèpossibilecalcolareilparametroS:𝑆� = 𝑆q(1 −𝜀�)(a.8)taleparametrorisultaesserecompresonell’intervallo[0;S1],nonlimitatoinferiormenteperconsiderarel’eventualesaturazionedelterreno.
61
a.1.4BloccoDiBilancioL’ingressodiquestobloccoècostituitodaidatidiprecipitazioneetemperaturaspazialmentedistribuiti,dallamappadell’evapotraspirazionepotenziale(ETP),dalcuivienericavataquellaeffettiva(ETeff),edall’outputdelbloccoinfiltrazione.Apartiredaquesteinformazionivengonocalcolatiivaloridiruscellamentoepercolazioneancheinassenzadieventidiprecipitazione.Almomentodell’iniziodell’eventocominciailcalcolodellariservad’acquadelterrenomediantelastimadeiflussiiningressoeinuscitadalvolumedicontrollo.L’equazionedibilanciorisultaessere:𝜃��X = 𝜃��(�ITI��)�
(a.9)
Dove:𝐼=infiltrazione[m/s]ottenutacomedifferenzatrapioggialiquidaeruscellamentosuperficiale𝐷=acquapersaperpercolazioneodrenaggio[m/s]calcolatatramitel’equazione:
𝐷 =𝐾t;� �=���|
�|B�=���|
����� (a.10)
DoveBèilcoefficientediBrookseCorey.𝐸𝑇=evapotraspirazione[m/s]calcolatausandoilmetodocombinatoPriestleyTaylorperstimarel’evapotraspirazionepotenziale:𝐸𝑇 = 𝐸𝑇𝑃 ∙ �=�r
x�=�r(a.11)
a.1.5EvapotraspirazioneL’evaporazioneèilprocessoattraversoilqualel’acquacontenutanelsuolo,neglispecchid’acquaenellavegetazionesitrasformainvaporeacqueo.Questoprocessoèinfluenzatodadiversiparametricomelaradiazionesolare,latemperaturael’umiditàdell’ariaelavelocitàdelvento.Inoltre,quandolasuperficieevaporanteèilsuolodiventafondamentalevalutareancheilcontenutod’acquadelmezzo.Latraspirazione,invece,èunprocessoperilqualepartedell’acquacontenutaneitessutivegetalivaporizza,contribuendoallaquantitàdiumiditàdell’aria.Questoprocessodipendesignificativamentedall’energiaincidentesullasuperficiefogliale,dalgradientedivaporesaturo,dallatemperatura,dallavelocitàdelventoedallaconduttivitàidraulicadelterreno.L’evapotraspirazionepotenziale(ETP)èdefinitacomelaquantitàd’acquaevaporataincondizionididisponibilitàidricaillimitata;acausadell’apportolimitatodiacquadalterrenosihache:0<ET<ETP.LaETPpuòesserevalutatamediantelaformuladiHagreaves(Hargreaves&Samani,1985):𝐸𝑇𝑃 = 0.0023 ∙ 𝑅; ∙ 𝑇b�;w + 17.8 ∙ (𝑇b;l −𝑇b�;w)�.�(a.12)Doveletemperaturemassima,minimaemediasonoriferiteall’arcotemporalegiornaliero.𝑅;rappresentalaradiazionesolareepuòessereespressacomesegue:𝑅; =
g�∙�� ∙ 𝑅� ∙ 𝑑� ∙ (𝜔t ∙ sin𝜙 ∙ sin 𝛿 + cos𝜙 ∙ cos 𝛿 ∙ sin𝜔t)(a.13)
62
Dove:
- 𝑑� rappresentaladistanzaTerra-Solerelativacalcolatacome
𝑑� = 1 + 0.0033 ∙ cos (g∙ ª��
∙ 𝐽 − 1.39)incuiJèilnumerodelgiornoall’internodell’anno.
- 𝛿rappresentaladeclinazionesolarecalcolatacome:
𝛿 = 0.409 ∙ sin(g∙ ª��
∙ 𝐽 − 1.39)- 𝜔tèl’angoloorarioaltramonto,espressoinradianticome:
𝜔t = 𝑎𝑟𝑐𝑜𝑠(− tan𝜙 ∙ tan 𝛿)- 𝜙èlalatitudine- 𝑅�èacostantesolare.
Lavalutazionedell’evapotraspirazioneeffettivapassaattraversoduecoefficienticheneesprimonoladipendenzadellaETPechesonoalorovoltafunzionedell’umiditàdelsuolo:𝐸t = 𝛼 𝜃 ∙ 𝐸𝑇𝑃 1 − 𝑓 𝑇t = 𝛽(𝜃) ∙ 𝐸𝑇𝑃 ∙ 𝑓 Incui𝑓 rappresentalaquantitàdivegetazionepresentesullasuperficiedelbacino.Inconclusionel’evapotraspirazioneeffettivarisultaparia:𝐸𝑇�xx = 𝐸t +𝑇ta.1.6BloccoDiPropagazioneDelDeflussoSuperficialeRiceveiningressoidatidipioggianettaepioggianettadunniana,oltreallemappedeitratti,deipuntatoriedellearee,fornendoinuscitailvalorediportatasuperficiale.Perdeterminarequestivalori, il modello identifica il valore di umidità del suolo, per poi confrontarlo con il valore disaturazione.Nelcasoincuiilvalorediumiditàalsuolofossemaggiorediquelloasaturazione,laquotad’acquainpiùcontribuirebbealdeflussosuperficialeinsiemeallaquotadipioggiarifiutatadalterreno.IlmetodoadottatoèilMaskingum-Cunge,nellasuaformanonlineare.a.1.7BloccoDiPropagazioneDelDeflussoIpodermicoRiceve in ingresso la percolazione, lemappedi aree, tratti e puntatori, e restituisce il valore diportataprofonda.Questovalore,aggiuntoaquellodiportatasuperficialeforniscel’idrogrammadipiena,outputdelmodello.Perstimarlasiutilizzalostessometodousatonelbloccodipropagazionedelflussosuperficiale.
63
BibliographyBarabási,A.-L.,&Harry,E.S.(1995).Fractalconceptsinsurfacegrowth.Cambridgeuniversity
press.Bordoy,R.(2013).SpatiotemporalDownscalingofClimateScenariosinRegionsofComplex
Orography.Zurich,Switzerland:ETH.Bordoy,R.,&Burlando,P.(2014).Stochasticdownscalingofclimatemodelprecipitationoutputs
inorographicallycomplexregions:2.562-579.Boscarello,L.(2014).INSIGHTINTOHYDROLOGICSYSTEMCOMPLEXITYTHROUGHCATCHMENT
CLASSIFICATIONFRAMEWORK.Milan,Italy.Boscarello,L.,Ravazzani,G.,&Mancini,M.(2016,March).Regionalizationofflow-durationcurves
throughcatchmentclassificationwithstremflowsignaturesandphysiographic-climateindices.JournalofHydrologicEngineering,21(3).
Box,G.E.,Jenkins,G.M.,Reinsel,G.C.,&Ljung,G.M.(2015).Timeseriesanalysis:forecastingandcontrol.JohnWiley&Sons.
Burton,A.,&Kilsby,C.(2004).Neyman-ScottRectangularPulsesRainfallSimulationSystem.CLAPS,P.,&FIORENTINO,M.(1997).Probabilisticflowdurationcurvesforuseinenvironmental
planningandmanagement.IntegratedApproachtoEnvironmentalDataManagementSystems,255-266.
Cowpertwait,P.S.(2006).Aspatial–temporalpointprocessmodelofrainfallfortheThamescatchment,UK.JournalofHydrology,330.3,586-595.
Cullen,A.C.,&Frey,H.C.(1999).Probabilistictechniquesinexposureassessment:ahandbookfordealingwithvariabilityanduncertaintyinmodelsandinputs.SpringerScience&BusinessMedia.
CUNGE,J.A.(1969).Onthesubjectofafloodpropagationcomputationmethod(Musklngummethod).JournalofHydraulicResearch,7.2,205-230.
DeMichele,..,Kottegoda,N.,&Rosso,R.(2002).IDAF(intensity-duration-areafrequency)curvesofextremestormrainfall:ascalingapproach.WaterScienceandTechnology,pp83-90.
DEMICHELE,C.,&ROSSO,R.(1995).Self-similarityasaphysicalbasisforregionalisationoffloodprobabilities.13-17.Proc.Int.Workshopon“HydrometeorologyImpactsandManagementofExtremeFloods.
DeMichele,C.,Rosso,R.,&Rulli,M.C.(n.d.).ILREGIMEDELLEPRECIPITAZIONIINTENSESULTERRITORIODELLALOMBARDIA.Milan:ARPALombardia.
Estes,C.,&Osborn,J.(1986).Reviewandanalysisofmethodsforquantifyinginstreamflowrequirements.WaterResour.Bull.,22,389–398.
FATICHI,S.,Rimkus,S.,Burlando,P.,Bordoy,R.,&Molnar,P.(2015).High-resolutiondistributedanalysisofclimateandanthropogenicchangesonthehydrologyofanAlpinecatchment.JournalofHydrology,525,362-382.
Fennessey,N.,&Vogel.,R.M.(1990).Regionalflow-durationcurvesforungaugedsitesinMassachusetts.JournalofWaterResourcesPlanningandManagement,530-549.
Foufoula,G.,&Sapozhnikov,V.B.(1998,April).Anisotropicscalinginbraidedrivers:Anintegratedtheoreticalframeworkandresultsfromapplicationtoanexperimentalriver.WATERRESOURCESRESEARCH,863-867.
Friedman,J.,Hastie,T.,&Tibshirani,R.(2001).Theelementsofstatisticallearning.Berlin:Springer.
G.,R.,&S.,B.(2014).AnintegratedHydrologicalModelforAssessingClimateChangingImpactsonWaterResourceoftheUpperPoRiverBasin.SpringerScience+BusinessMedia.
Gordon,N.,McMahon,T.,&Finlayson,B.(1992).StreamHydrology(AnIntroductionforEcologists).Wiley,526pp.
64
Gustard,A.,Bullock,A.,&Dixon,J.M.(1992).LowflowestimationintheUnitedKingdom.InstituteofHydrology.
Hargreaves,G.H.,&Samani,Z.A.(1985).Referencecropevapotranspirationfromtemperature.Appl.Eng.Agric.
James,G.,Witten,D.,Hastie,T.,&Tibshirani,R.(2013).Anintroductiontostatisticallearning.NewYork:Pringer.
Liucci,L.,Valigi,D.,&Casadei,S.(2014).AnewapplicationofFlowDurationCurve(FDC)indesigningrun-of-riverpowerplants.Waterresourcesmanagement,28.3,881-895.
Logan,J.(1987).AppliedMathematics:Acontemporaryapproach.NewYork:Wiley.Mallory,S.J.,&McKenzie,R.S.(1993).Waterresourcesmodellingofflowdiversions.Proceedings
oftheSixthSouthAfricanNationalHydrologySymposium,1,pp.429-436.Pietermarietzburg.
Mancini,M.(1990).Lamodellazionedistribuitadellarispostaidrologica:effettidellavaribilitàspazialeedellascaladirappreentazionedelfenomenodell'assorbimento.
Mimikou,M.,&Kaemaki,S.(1985).Regionalizationofflowdurationcharacteristics.JournalofHydrology,82.1-2,77-91.
Montaldo,N.,Ravazzani,G.,&Mancini,M.(2007).OnthepredictionoftheTocealpinebasinfloodswithdistributedhydrologicmodels.Hydrol.Processes,21,608-621.
Ravazzani,G.,Rabuffetti,D.,Corbari,C.,&Mancini,M.(2008).ValidationofFEST-WB,acontinuouswaterbalancedistributedmodelforfloodsimulation.ConvegnodiIdraulicaeCostruzioniIdrauliche,(pp.9-12).Perugia.
ROSSO,R.,BRATH,A.,BURLANDO,P.,DEMICHELE,C.,&MANCINI,M.(1996).Invarianzadiscaladelregimedipiena.L’Acqua,5,15-23.
Singh,K.(1971).Modelflowdurationandstreamflowvariability.AGUJOURNAL.Smakhtin,V.(1997).RegionalizationofdailyflowcharacteristicsinpartoftheEasternCape,South
Africa.HydrologicalSceincesJournal.W.MALE,J.,&OGAWA,H.(1984).Tradeoffsinwaterqualitymanagement.JournalofWater
ResourcesPlanningandManagement,110.4,434-444.Yoko,Y.a.(2001).Towardsreconstructionoftheflowdurationcurve:developmentofa
conceptualframeworkwithaphysicalbasis.HydrologyandEarthSystemSciences.