Le Gio na e dell’Id ologia 2025
Ba i, 8-10 se emb e
Book o Abs ac
Edi o da
Vi o Iacobellis, Vincenzo To a o, Elena To h
Da a cu a o s
Cinzia Albe ini, Ma ia Rosa ia Al io,
Vi ginia Rosa Cole a, Bea ice Lioi,
Fede ica Mes o, Claudia Pancie a,
S e ania San o o
doi:10.5281/zenodo.17298437
P oge o g a ico: S e ania San o o
Si ing aziano
Le Gio na e dell’Id ologia 2025
Poli ecnico di Ba i
8-10 Se emb e 2025
COMITATO ORGANIZZATORE
Vi o Iacobellis, Vincenzo To a o (coo dina o e), Gab iella Balacco,
And ea Gioia, Alessand o Pagano, S e ania San o o, Cinzia Albe ini,
Ma ia Rosa ia Al io, Vi ginia Rosa Cole a, Gae ano Fio ese,
A as Izzaddin, Bea ice Lioi, Aud ey Ma ia Noemi Ma ello a,
Fede ica Mes o, Claudia Pancie a, Pasquale Pe ini, Ma wah Yaseen
COMITATO SCIENTIFICO
Elisa A none, Gün e Blöschl, B unella Bonacco so, Gio gio Boni,
Ma ina Busse ini, Luigi Cimo elli, Angela Co ina, Elena C is iano,
Da ide De Luca, Umbe o F a ino, F ancesco Gen ile,
Vi o Iacobellis, Ch is ian Massa i, Vale io No o, Ma co Peli,
Daniele Penna, Mau izio Polemio, I an Po oghese,
Ricca do Rigon, Ezio Todini, Elena To h
1
INDICE
PREFAZIONE 11
AIDA (Ag icul u al I iga ion Demand Analyze ): dis ibuzione e id oesigenza di
col u e i iga e e non i iga e a 1km di isoluzione pe l’I alia
Nikolas Galli, Ha sh Nanesha, A ianna Tolazzi, Da ide Danilo Chia elli, Ma ia C is ina Rulli 12
Analisi di sca si à id ica e compe izioni in e se o iali pe l’uso dell’acqua
a a e so da i di domanda id ica ad al a isoluzione
Nikolas Galli, F ancesco Capone, Camilla Go oni, Ha sh Nanesha, Da ide Danilo Chia elli, Ma ia
C is ina Rulli 14
Quan i ying he impac s – om paddies o d y ice ields
F ancesca Padoan, Ma ia C is ina Rulli, Da ide Danilo Chia elli 15
Modeling he e ec s o shi ing plan ing da es and i iga ion managemen
s a egies in maize c opping sys ems o sus ainable wa e esou ce
managemen
Ad ian Chummac, B unella Bonacco so 17
On he hyd ological sus ainabili y o ag icul u al a eas o he Tig is–Euph a es
i e basin
Hiba Mohammad, Muhammad Faisal Hani , Ma co Peli, Robe o Ranzi, S e ano Ba on ini 19
In luenza sull’indice di a idi à delle o mule pe la s ima dell’e apo aspi azione
po enziale
Gio anni Selle i, Ma ia Ne i, Elena To h 21
A emo e sensing-based e apo anspi a ion da ase o Eu ope using MSG
images
Ca melo Cammalle i, Samuele Ma ei, Chia a Co ba i, Nicola Paciolla, Ma co Mancini, Emanuel
Du a, Isabel T igo, F ancoise Meulenbe ghs, José Miguel Ba ios 23
Sensi i i y analysis o E apo anspi a ion - A compa ison o No he n and
Sou he n clima e o I aly
Komal Jabeen, Anna Palla 25
Modeling e apo anspi a ion dynamics in sou he n I aly using a g id-based
hyd ological app oach
H ay H ay Aung, Biagio Sileo, Mau o Fio en ino, Sil ano F. Dal Sasso 27
Towa d be e hyd ological d ough ep esen a ion: op imizing ege a ion
dynamics in o he NOAH-MP land su ace model o Sou he n I aly
Sa a Modanesi, Domenico De San is, Daniela Dalmonech, Alessio Collal i, F ancesco A anzi,
Gab ielle De Lannoy, Tommaso Mo ama co, Nunzio Romano, Paolo Nas a, Fabio Massimo G asso,
Ma ina Na ali, Ch is ian Massa i 29
D i e -based classi ica ion iden i ies snowmel as he p ima y cause o se e e
d ough s in he Uppe Adige basin
And ea Galle i, Susen Sh es ha, Ma iapina Cas elli, Massimiliano Pi o e, S e ano Te zi, Giacomo
Be oldi 31
Mul i a ia e Risk Modeling o D ough Impac on Wa e Supply in he Camas a
Rese oi
Mohamed-Amine Lahkim-Bennani, B unella Bonacco so 33
2
Piú ene gia pe gli u en i, piú acqua pe l’ambien e: scena i di ib idizzazione
id oele ico- o o ol aico pe un in aso p e-alpino
Domenico Micocci, C is iana B agalli, Elena To h, Tobias Wechsle , Massimiliano Zappa 35
Assessmen o egional-scale eshwa e a ailabili y and sus ainabili y o
an h opogenic wi hd awals: he GOV4WATER p ojec
Alessia Flammini, Jacopo Da i, Ca la Sal alippi, F ancesco Leopa di, Ma ina Na ali, Rena o Mo bidelli 37
A amewo k o ul a-high esolu ion sa elli e-based i iga ion moni o ing o
suppo wa e alloca ion manage s
Jacopo Da i, S e ano Lo P es i, Luca B occa 39
P esen ing he Op imizing Wa e Resou ces in Coas al A eas Using A i icial
In elligence (AI4Wa e ) PRIMA p ojec
S e ano Ba on ini, Muhammad Faisal Hani , Hiba Mohammad, Paolo Colosio, Ma co Peli,
Domenico Ven ella, Robe o Ranzi, I an Se ina 40
Un modello sempli ica o pe lo s udio del bilancio id ologico della zona umida
cos ie a di To e Guace o (B )
Claudia Pancie a, Vi o Iacobellis, Alessand o Pagano, Ri a Masciale, Giuseppe Passa ella, I an
Po oghese 42
Modellazione id ologica a anza a del bacino dell’A no pe alu a e la ispos a
delle iso se id iche agli scena i di cambiamen o clima ico
F ancesco B essi, S e ano Tasin, Ma co Lompi, En ica Capo ali, Ma co Bo ga, Fabio Pilo i, Anna
Paola Lona i, Ma eo Dall’Amico 44
Applicazione del sis ema id ologico GEO ame pe la s ima di endenze di
sicci à in un con es o medi e aneo: applicazione sul bacino del C a i
nell'ambi o del p oge o Ag iclima
Ricca do Bus i, Daniela Biondi, Giuseppe Fo me a 46
The GEO ame sys em deploymen o he wa e budge quan i ica ion in he
eas e n moun ain a ea o he Po i e basin
Gaia Roa i, Ma co B ian, Giuseppe Fo me a, Shima Azimi, Hossein Salehi, Daniele And eis, John
Mohd Wani, F ancesco To na o e, Ricca do Rigon 47
RIVERTEMP classi ie : un nuo o web ool pe iden i ica e e classi ica e i iumi
non pe enni
Paolo Vezza, Isabelle B iche o, Ca mela Ca allo, Ch is ina Dolianidi, Almudena González Cos as,
Anas asios Ka akos as, Nikos Nikolaidis, Ma ia Lilli, Giamma co Man eda, Gio anni Neg o,
Guille mo Palau-Sal ado , Ma ia Nicolina Papa, Ca les Sanchis-Ibo , Spi os Tsalageo gos 49
Compa ing he pe o mance o s a is ical models in seasonal s eam low
o ecas ing: he case s udy o he Ime a Me idionale Ri e Basin, Sicily, I aly
Shewandagn Lemma Tekle, B unella Bonacco so, Mohamed Naim 51
An Open-Sou ce Tool o Gene a ing Hou ly Syn he ic S eam low Se ies in
Ungauged Basins Using Regional Flow-Du a ion Cu es
Alan Spadoni, Rosanna Fo aci, Michele Di Lo enzo, Tommaso Simonelli, A ilio Cas ella in 53
Se ing an en i onmen al low egime unde clima e change in a da a-limi ed
Medi e anean basin wi h empo a y i e
Ma ianna Leone, F ancesco Gen ile, An onio Lo Po o, Gio anni F ancesco Ricci, C is oph Schü z,
Michael S auch, Ma in Volk, Anna Ma ia De Gi olamo 55
3
Moni o ing deep unsa u a ed zone in an Aus alian Medi e anean a ea o e eal
c ucial insigh s o wa e esou ces managemen
Simone Gelsina i, Richa d Silbe s ain, Sally Thompson 56
Assessing g oundwa e sus ainabili y h ough physics-based and machine
lea ning models: a compa a i e s udy in Emilia-Romagna egion (I aly)
Ila ia Del ini, Daniel Zam sky, Albe o Mon ana i 57
Modelling g oundwa e low and con aminan anspo in ka s aqui e s: a case
s udy om sou he n I aly
Alessand a Campobasso, Gab iella Balacco, Vi o Specchio, Albe o Fe uccio Piccinni 59
U ban aqui e echa ge and con amina ion by leaking sewe s: a compa a i e
analysis o di e en modeling app oaches
And ea D’Aniello, Dina Pi one, Luigi Cimo elli, Domenico Pianese 61
Indi iduazione delle pe di e ogna ie ami e l’analisi dei con aminan i
eme gen i negli acqui e i u bani: s iluppo di un app occio basa o
sull’in elligenza a i iciale
Dina Pi one, Luigi Cimo elli, Daniele Ma ino, Domenico Pianese, And ea D’Aniello 63
I iga ion olumes moni o ing coupling an ene gy-wa e balance model wi h
g ound and sa elli e da a
Nicola Paciolla, Chia a Co ba i 65
B idging knowledge and p ac ice in he WEFE Nexus: mul i-le el pa icipa o y
modelling o sus ainable i iga ion in he medi e anean
Vi ginia Rosa Cole a, S e ania San o o, Lau a Selica o, Claudia Pancie a, I an Po oghese,
Alessand o Pagano, Ra aele Gio dano 67
The quan i ica ion o ene gy o i iga ion
Da ide Danilo Chia elli, Paolo D’Odo ico, Aldo Fio i, Akhil Unnik ishnan, I an Lomba dich, Ma ia
C is ina Rulli 69
P io i izing D ough Resilience: Iden i ying High-Vulne abili y I iga ed A eas in
I aly
Ha sh Nanesha, Lo enza Cappella o, Benede a Moccia, Fla ia Ma coni, F ancesco Napoli ano,
Elena Ridol i, Ma ia C is ina Rulli, Da ide Danilo Chia elli 71
Quan i ying ege a ion anspi a ion om g oundwa e in Medi e anean o es
Simone Gelsina i, And ea Alessand i, Daniele Penna 73
Moni o aggio da sa elli e della in e mi enza del iume Tagliamen o negli ul imi
40 anni
Lucio Ian o no, Ca mela Ca allo, Isabelle B iche o, Giamma co Man eda, Gio anni Neg o, Paolo
Vezza, Ma ia Nicolina Papa 74
Is Today D ie ? A Me as a is ical amewo k o d ough equency ac oss E as
Ma ia F ancesca Ca uso, Gab iele Villa ini, Ma co Ma ani 76
Assessing snow wa e equi alen econs uc ion using mul i-sou ce high-
esolu ion sa elli e da a and hyd ological models in alpine egions
Michele Bozzoli, Valen ina P emie , C is ian Tonelli, Giuseppe Fo me a, Giacomo Be oldi, Ca lo
Ma in, Ma hias Ba ay 77
4
Use o Snow Wa e Equi alen P oduc s o Imp o ing he Pa ame e isa ion o
Hyd ological Models in No he n I aly
Gokhan Sa igil, Ma ia Ne i, Elena To h 79
P e isione della esa mensile di e so gen i median e un modello ib ido CNN-
LSTM e SF
F ancesco Cas aldo, Claudio A ena, An onio F ancipane, Leona do Vale io No o 81
Explo ing Valida ion Me hodologies o Modelled Soil Mois u e Using G ound
Measu emen s and Remo e Sensing Based Da a
Fabio Delogu, F ancesco Sil es o, Fabio Ga della, Gio gio Boni, Luca Repe o 83
Dynamic Soil-A mosphe e In e ac ions in Medi e anean Fo es s: Insigh s om
Wa ele Analysis
Ilenia Mu gia, Ch is ian Massa i, Ma eo Ve done, Kons an inos Ka as, Da id Laba , Daniele Penna 85
Regionaliza ion o an Hou ly Lumped Hyd ological Model Using a Decision-T ee
App oach
Giudi a Sme illi, Luca Lomba do, Anna Basso, Albe o Viglione, Albe o Mon ana i, A ilio Cas ella in 86
P oblema iche di calib azione di as o mazioni a lussi-de lussi in bacini non
s umen a i a mon e del Lago Maggio e
Pie o Bogoni, Giulia E angelis a, Pie luigi Claps 88
Calib azione di modelli a lussi-de lussi a a e so i li elli id ome ici pe la
icos uzione delle se ie s o iche di po a a nella egione Campania
Giacomo Nicole i, An onia Longoba di, Gio anni B aca, Paolo Villani 90
Modeling S eam low unde Da a Sca ci y: Regionaliza ion o IHACRES Using
Ca chmen A ibu es in a Medi e anean Se ing
F ancesco Alongi, Ca e ina Alonzo, An onio F ancipane, Leona do Vale io No o 92
Modellazione id ologica-id odinamica in eg a a pe la simulazione della ispos a
id ologica di un bacino di es a a
Pie anco Cos abile, Ca melina Cos anzo, Luca Fu na i, F ancesco G eco, Ma ghe i a Lomba do,
Al onso Sena o e, Giuseppe Mendicino 94
A cos -e ec i e app oach o es ima ing lood haza d- scena ios induced by
clima e change
Leona do Mancusi, A ianna T e isiol, And ea Abba e, Paola Faggian, Ra aele Albano 96
An index-based app oach o iden i y a eas wi h low lood isk sus ainabili y
Daniela Biondi, Danilo Spina, Gio anna Cappa elli, F ancesco C uscomagno 98
L’in e azione a la dinamica lu iale e del ma e in a ee an opizza e p one al
ischio id ogeologico
An onia Longoba di, Fabio Den ale, Albina Cuomo, Robe a D’Amb osio, Angela Di Leo, Giacomo
Nicole i, Michele Pisani, Anna Sansanelli, Domenico Guida 100
Explo ing he po en ial impac o ain all ex eme dynamics on i e
in e sec ions
Gianluca Lelli, Paola Mazzoglio, Alessio Domeneghe i, Se ena Ceola 102
5
Pe icolosi à s. Rischio: Un Cambio di P ospe i a
Domenico Deno a 104
Con olu ional neu al ne wo k model o apid p edic ion o u ban lash lood: a
case s udy in Ma e a, I aly
Muhammad Asi , Robe o Ben i oglio, Ra aele Albano 106
Analisi mo o-id ologica pe lo s udio degli allagamen i plu iali u bani
Giulio Pa adiso, Daniele Gano a 108
Assessmen o damage scena ios due o plu ial looding using emo e sensing
and objec de ec ion models
A ianna Cau e uccio, Gio gio Boni, Roozbeh Rajabi
,
Gab iele Mose 110
Vehicles ins abili y c i e ion o lood isk assessmen in u ban a eas
Omayma Amellah, Ra aele Albano, Au elia Sole 112
Analisi mul i- ischio e mul i-li ello dello s a o dei Pon i Flu iali della Re e
S adale nel Bacino dell’Ag i ges i a dalla P o incia di Po enza: La Classe di
A enzione pe Rischio Id aulico
Au elia Sole, Ra aele Albano, Ca mine Limongi, Pie o Vuono, Beniamino Ono a i, Giuseppe
F ancesco Cesa e Lama, Rugge o E mini, Annama ia De Vincenzo, Domenica Mi auda 113
Ad anced Mul i-Risk Analysis o he Ri e B idges S a us in he P o incial Road
Ne wo k o Po enza (Basilica a): Segmen a ion-Guided Machine Lea ning o
B idge De ec De ec ion in Wide-Angle Su ace Images
Au elia Sole, Ra aele Albano, Gilda Man edi, Giuseppe San a sie o, Valen ina Picciano 116
Analisi mul i- ischio e mul i-li ello dello s a o dei Pon i Flu iali della Re e
S adale nel Bacino dell’Ag i ges i a dalla P o incia di Po enza: S abili à dei
e san i
Au elia Sole, Ra aele Albano, Giuseppe F ancesco Cesa e Lama, Ma io Ben i enga, Sal a o e I o
Giano, Vincenzo Sie o, F ancesco Sdao 118
Assessmen o b idge o e opping haza d a di e en spa ial scales
Michele Amaddii, Fabio Cas elli, Ma io di Bacco, Chia a A ighi 120
P io i izing b idges a lood isk: a la ge-scale index based on o e opping and
a ic impac
Michele Amaddii, F ancesco Paolo De lo io, Ami ehsan Cha lang Bakh ya i, Fabio Cas elli, Chia a
A ighi 122
Flow cha a e is ics e alua ion in g a el bed i e s
Dona ella Te mini, Peyman Peykani 124
Un app occio basa o sui da i pe il miglio amen o della p e isione delle piene:
il caso del p oge o TECH4You nel bacino del C a i
Ma co Dionigi, S e ania Camici, Melissa Sessa, Domenico De San is, Ch is ian Massa i, Sil ia
Ba be a, Tommaso Mo ama co 126
Enhancing lood o ecas ing h ough mul i-model hyd ological simula ion and
Bayesian unce ain y es ima ion wi h emo e and modelled p ecipi a ion
o cings
Domenico De San is, Elenio A olio, Sil ia Ba be a, S e ania Camici, Ma co Dionigi, Sa a Modanesi,
Daniela Biondi, Tommaso Mo ama co, Ch is ian Massa i 127
12
AIDA (Ag icul u al I iga ion Demand Analyze ): dis ibuzione e
id oesigenza di col u e i iga e e non i iga e a 1km di
isoluzione pe l’I alia
Nikolas Galli*, Ha sh Nanesha, A ianna Tolazzi, Da ide Danilo Chia elli, Ma ia C is ina Rulli
Dipa imen o di Ingegne ia Ci ile e Ambien ale, Poli ecnico di Milano, Milano, I alia
*e-mail: [email p o ec ed]
Somma io
In I alia, l’ag icol u a occupa un uolo cen ale non solo nella p oduzione alimen a e, ma anche nella
sal agua dia ambien ale, nell’economia e nel pa imonio cul u ale del Paese. Al empo s esso, la ulne abili à
del se o e ag icolo i aliano agli e en i id oclima ici è s a a e idenzia a da episodi es emi come le sicci à degli
ul imi anni. In ques o con es o, isul a essenziale dispo e di una base modellis ica che quan i ichi modo
accu a o e spazialmen e esplici o, ma al con empo consis en e su u o il e i o io nazionale, i abbisogni id ici
ag icoli, dis inguendo a col u e i igue e asciu e, e a componen i di domanda soddis a e da acqua e de
(pioggia e umidi à del suolo) e acqua blu (i igazione). AIDA (Ag icul u al I iga ion Demand Analyze ) (Galli e
al., in p ess) isponde a ques e esigenze, o nendo mappe ad al a isoluzione della dis ibuzione col u ale e dei
abbisogni i igui sull’in e o e i o io nazionale. Pe la c eazione di mappe de aglia e della cope u a ag icola in
I alia, si è pa i i in eg ando, i da ase EUCROPMAP 2022 ( isoluzione 10 m) (Ghassemi e al., 2024) e CORINE
(EEA, 2020) e i censimen i ISTAT a li ello comunale (ISTAT, 2020), a a e so un’a monizzazione spaziale e
seman ica e enendo con o dei limi i di ciascun da ase . Pe quan o igua da la ges ione dell’i igazione, sono
s a i u ilizza i i da ase GMIE (Tian e al., 2024) e GMIA (Siebe e al., 2013) a ibuendo le a ee i iga e alle
singole col u e a seconda della lo o p obabili à di i igazione basa a su da i ISTAT. Le s a is iche p o inciali di
ISTAT sono s a e in ece usa e pe la alidazione del da o. Il p odo o così o enu o alimen a quindi il modello
id ologico WATNEEDS (Chia elli e al., 2020), che simula il bilancio id ico ag icolo su base gio nalie a.
WATNEEDS si ocalizza sulla s ima della domanda id ica delle col u e, dis inguendo a acqua e de
(p o enien e dalle p ecipi azioni) e acqua blu ( o ni a dall’i igazione). Il modello si basa su una se ie di
pa ame i, a cui le ca a e is iche del suolo, i da i clima ici gio nalie i p o enien i, pe AIDA, dal da ase MERIDA
(Bonanno e al., 2019) e le in o mazioni speci iche sulle col u e (come i coe icien i col u ali e i calenda i di
c esci a). Ques o pe me e di calcola e in modo dinamico l’e apo aspi azione e e i a (ETa) e la domanda di
i igazione necessa ia pe soddis a e le esigenze delle col u e, in unzione delle condizioni ambien ali. I isul a i
della dis ibuzione col u ale mos ano, ispe o alle s a is iche p o inciali ISTAT, co elazioni linea i supe io i al
75% ed e o i in e io i al 20% in più dell’80% delle a ee analizza e. Le domande i igue s ima e da AIDA
mos ano un buon acco do con i olumi al campo ipo a i da ISTAT, al ne o di applica e un coe icien e di
e icienza di campo alle isaie, che enga con o della p a ica di somme sione. AIDA p esen a alcune ince ezze,
in pa icola e a scala locale, lega e a e o i di classi icazione nelle mappe col u ali e alla isoluzione
ela i amen e g ossolana dei da i di alidazione, in luenza a da p a iche come la o azione col u ale. Pe i lussi
id ici, le p incipali on i di ince ezza de i ano dai da i e dai pa ame i di inpu e da scel e modellis iche
ine i abilmen e a bi a ie in WATNEEDS. Il da ase non include p a iche ag icole come col i azioni in se a o
accol i mul ipli, e la domanda i igua blu è s ima a come abbisogno bio isico, non come p elie o e e i o.
Inol e, non sono conside a i con ibu i da isali a capilla e, po enzialmen e ile an i in a ee con alda
supe iciale, come la Pianu a Padana. Pe an o, e en uali e sioni u u e di AIDA po anno p e ede e nuo i
inpu me eo ologici, una miglio e a monizzazione dei da i col u ali e di i igazione che enga con o anche di da i
disponibili a li ello egionale, e la modellizzazione di e a in WATNEEDS di p a iche ag icole come l'ag icol u a
in se a e la somme sione, a a e so l’inclusione di p ocessi come la isali a capilla e e il is agno delle acque.
Nonos an e ques i limi i, AIDA o nisce s ime coe en i sulla domanda id ica ag icola e sull’uso del suolo in I alia,
dis inguendo a a ee e abbisogni millime ici pe pe me e e una maggio e lessibili à d’uso anche a scala
locale. Rapp esen a così un con ibu o solido pe analisi, piani icazione e ges ione delle iso se id iche nel
se o e ag icolo, pa icola men e ile an e in un con es o espos o a p essioni clima iche e id ologiche c escen i.
Bibliog a ia
Bonanno, R., Laca alla, M. & Spe a i, S., 2019. A new high‐ esolu ion Me eo ological Reanalysis I alian Da ase :
MERIDA. Qua e ly Jou nal o he Royal Me eo ological Socie y 145, 1756–1779
13
Chia elli, D. D., e al., 2020. The g een and blue c op wa e equi emen WATNEEDS model and i s global
g idded ou pu s. Scien i ic Da a 7, 273
Eu opean En i onmen Agency, 2019. CORINE Land Co e 2018 ( as e 100 m), Eu ope, 6-yea ly - e sion
2020_20u1, May 2020
Galli, N., Nanesha, H., Tolazzi, A., Chia elli, D. D. and Rulli, M. C., 2024. The AIDA 1km esolu ion c op-speci ic
ain ed and i iga ed a eas and g een and blue wa e demands o I aly. Scien i ic Da a (in p ess)
Ghassemi, B., e al., 2024. Eu opean Union c op map 2022: Ea h obse a ion’s 10-me e di e in o Eu ope’s
c op apes y. Scien i ic Da a, 11, 1048
ISTAT. S a is iche Is a --- da i.is a .i .
Siebe , S., Hen ich, V., F enken, K. and Bu ke, J., 2013. Global Map o I iga ion A eas e sion 5. Rheinische
F ied ich-Wilhelms-Uni e si y, Bonn, Ge many Food and Ag icul u e O ganiza ion o he Uni ed Na ions,
Rome, I aly
Tian, F., e al., 2024. GMIE-100: a global maximum i iga ion ex en and i iga ion ype da ase de i ed h ough
i iga ion pe o mance du ing d ough s ess and machine lea ning me hod. Ea h Sys em Science Da a
Discussion, 1–33
14
Analisi di sca si à id ica e compe izioni in e se o iali pe l’uso
dell’acqua a a e so da i di domanda id ica ad al a isoluzione
Nikolas Galli, F ancesco Capone*, Camilla Go oni, Ha sh Nanesha, Da ide Danilo Chia elli,
Ma ia C is ina Rulli
Dipa imen o di Ingegne ia Ci ile e Ambien ale, Poli ecnico di Milano, Milano
*e-mail: [email p o ec ed]
Somma io
La sca si à id ica app esen a una delle p incipali c i ici à ambien ali e socioeconomiche globali, con
conseguenze c escen i sulla sicu ezza alimen a e, sugli ecosis emi e sulla ges ione delle iso se. Anche in
l’I alia il cambiamen o clima ico agg a a la p essione sulle iso se id iche, insieme a una domanda id ica ele a a
e a e en i sicci osi semp e più equen i, in pa icola e nelle egioni me idionali e nel bacino del Po. In ale
con es o, isul a essenziale dispo e di s umen i capaci di quan i ica e in modo de aglia o e su base spaziale
la sca si à id ica e i suoi impa i sul se o e ag icolo. Nel con es o della quan i icazione della sca si à id ica, due
a i più comuni indica o i sono la sca si à di acqua e de, che misu a la quo a di domanda e apo aspi a i a
delle col u e soddis a a dalle p ecipi azioni, e la sca si à di acqua blu, de ini a come il appo o a domanda
complessi a e disponibili à di iso se id iche p ele abili, al ne o dei lussi ambien ali. Il p imo è di e amen e
lega o alla pe di a di esa pe s ess id ico, men e il secondo consen e di alu a e la sos enibili à dell’uso i iguo
e la p essione sugli ecosis emi. Ques o s udio si p opone di u ilizza e ques i indica o i pe esplo a e
l’esposizione dei di e si se o i p odu i i i aliani alla sca si à id ica, con un occhio di igua do pe l’ag icol u a,
e le compe izioni in e se o iali che possono de i a ne. L’analisi è s a a condo a sul e i o io i aliano pe il
pe iodo 2013–2023 u ilizzando AIDA (Ag icul u al I iga ion Demand Analyze ) (Galli e al, in p ess), che
combina un’a monizzazione di mappe col u ali alla simulazione ag o-id ologica del modello WATNEEDS
(Chia elli e al., 2020), calcolando il bilancio id ico del suolo con isoluzione spaziale di 30 a cosecondi. AIDA
dis ingue, pe ciascuna cella, a abbisogni col u ali cope i da acqua e de e quelli soddis a i ami e
i igazione, gene ando s ime di domanda blu associa e a mappe col u ali aggio na e e alida e sul e i o io
i aliano. Le domande i igue sono s a e in eg a e con quelle domes iche e indus iali, ica a e dal da ase di
Khan e al. (2023) e edis ibui e spazialmen e median e mappe di insediamen o esidenziale e non esidenziale
a 100 me i di isoluzione. La sca si à di acqua blu è s a a calcola a conside ando anche i de lussi locali e a
mon e, co e i pe equisi i ambien ali e usi p eesis en i. I isul a i mos ano che as e a ee ag icole e u bane
del Paese si o ano in condizioni di sca si à id ica pe pe iodi p olunga i, con pa icola e in ensi à nella pianu a
padana e nelle a ee me idionali du an e la p ima e a e l’es a e. Pu con l’ag icol u a come a o e de e minan e
nell’in ensi à della sca si à id ica, inquan o u ilizza o e maggio i a io di acqua, l’indus ia dimos a di a e e un
uolo impo an e nella pe sis enza della sca si à. Ques e c i ici à i le ono g adien i clima ici e mo ologici, ma
anche socioeconomici, nella sos enibili à dell’uso della iso sa id ica. Il modello, basa o sull’id omo ologia
na u ale, non include a ualmen e gli e e i delle in as u u e i igue, il che app esen a un limi e, in assenza di
da i ce i sui pun i di p elie o e sulle e e i e consegne id iche. Nonos an e ciò, l’app occio consen e di
iden i ica e le a ee più espos e e i se o i più ulne abili, e idenziando l’impo anza di una le u a in eg a a a
disponibili à, domanda e dinamiche id oclima iche e socioeconomiche.
Bibliog a ia
Chia elli, D. D. e al. The g een and blue c op wa e equi emen WATNEEDS model and i s global g idded
ou pu s. Sci. Da a 7, 273 (2020).
Galli, N., Nanesha, H., Tolazzi, A., Chia elli, D. D. & Rulli, M. C. The AIDA 1km esolu ion c op-speci ic ain ed
and i iga ed a eas and g een and blue wa e demands o I aly. Scien i ic Da a (in p ess).
Khan, Z. e al. Global mon hly sec o al wa e use o 2010–2100 a 0.5° esolu ion ac oss al e na i e u u es.
Sci. Da a 10, 1–16 (2023).
Nie es, J. J., So iche a, A., Lina d, C., Bonda enko, M., S eele, J. E., S e ens, F. R., Gaughan, A. E., Ca ioli,
A., Cla ke, D. J., Esch, T., & Ta em, A. J. (2020). Annually modelling buil -se lemen s be ween emo ely-
sensed obse a ions using ela i e changes in subna ional popula ions and ligh s a nigh . Compu e s,
En i onmen and U ban Sys ems, 80, 101444. h ps://doi.o g/10.1016/j.compen u bsys.2019.101444
15
Quan i ying he impac s – om paddies o d y ice ields
F ancesca Padoan*, Ma ia C is ina Rulli, Da ide Danilo Chia elli
Depa men o Ci il and En i onmen al Enginee ing, Poli ecnico di Milano, 20133, Milan, I aly.
*e-mail: [email p o ec ed]
Abs ac
Rice is he main use o i iga ion wa e wo ldwide, ye ield-scale s udies ha link local p ac ice o global wa e
oo p in s a e s ill limi ed. The aim o his hesis is o e alua e and compa e he hyd ology o we and d y ice
cul i a ion sys ems om indi idual ields o a global scale.
We adap ed he WATNEEDS soil-wa e model o ep esen h ee e ical laye s – ponded wa e , sa u a ed
oo zone, unsa u a ed soil – and applied i o a con inuously looded paddy nea No a a (Piedmon , I aly).
Simula ions (2008-2023) show ha we ice equi es a nea ly cons an 0.1 km3/yea o e ec i e i iga ion, o
which mo e han 80% bypasses oo s as deep pe cola ion. In con as , d y ice educes blue wa e wi hd awals
by almos 20%, a he cos o highe sensi i i y o ain all a iabili y.
Analyzing he model on a global scale using a 5-a c-minu e esolu ion shows ha looded ice u ilizes
app oxima ely 752 km3/yea o i iga ion on a e age - ou imes ha o d y ice - and loses app oxima ely 810
km3/yea o deep pe cola ion. China and India alone accoun o mo e han hal o hese lows. Expe imen s
e eal ha implemen ing Al e na e We ing and D ying p ac ices in paddy ields in Asia could sa e up o 110
km3/yea o blue wa e and dec ease me hane emissions by nea ly 30%, wi h minimal yield loss.
Th ee insigh s eme ge. Fi s , p io i ising AWD whe e blue-wa e wi hd awals al eady exceed sus ainable limi s
leads o apid sa ings. Fu he mo e, e aming deep pe cola ion as managed aqui e echa ge shi s i om
“loss” o sha ed esou ce. And las , because a subs an ial sha e o paddy e apo anspi a ion e u ns as down-
wind ain all, a mosphe ic mois u e – oge he wi h i e s and aqui e s – mus be included in basin wa e
accoun s. Ac ing on hese s a egies can elie e p essu e among ag icul u e, ci ies, and ecosys ems, keeping
ice p oduc ion wi hin sus ainable blue- and g een-wa e bounda ies, as illus a ed locally by he his o ic ma ci e
meadows o no he n I aly: win e - looded o age ields ha ecycle wa e h ough shallow g oundwa e and
e apo a ion, sus ain cold-season base low, and demons a e how lood-based i iga ion can econcile
ag icul u al p oduc ion wi h egional hyd ology.
Re e ences
Bouman, B. A. M., Lampayan, R. M., and Tuong, T. P. (2007). Wa e managemen in i iga ed ice: Coping wi h
wa e sca ci y. Manual, In e na ional Rice Resea ch Ins i u e, Los Ba˜nos, Philippines. 54 pages.
Ca ijo, D. R., Lundy, M. E., and Linquis , B. A. (2017). Rice yields and wa e use unde al e na e we ing and
d ying i iga ion: A me a-analysis. Field C ops Resea ch, 203:173–180.
Chia elli, D. D., Passe a, C., Rosa, L., Da is, K. F., D’Odo ico, P., and Rulli, M. C. (2020). The g een and blue
c op wa e equi emen wa needs model and i s global g idded ou pu s. Scien i ic Da a, 7:273.
De anand, A., Huang, M., Ash aq, M., Ba ik, B., and Ghosh, S. (2019). Choice o i iga ion wa e managemen
p ac ice a ec s indian summe monsoon ain all and i s ex emes. Geophysical Resea ch Le e s,
46(15):9126–9135.
Food and Ag icul u e O ganiza ion o he Uni ed Na ions (2021). AQUASTAT Main Da abase – Wa e Use by
Sec o . h ps://www. ao.o g/aquas a /en/da abases/mainda abase. Da ase las upda ed 2021, accessed 9
July 2025.
Food and Ag icul u e O ganiza ion o he Uni ed Na ions (2025). Rice p oduc ion. Re ie ed June 22, 2025, om
Ou Wo ld in Da a.
Gila di, G. L. C., Maye , A., Rienzne , M., Romani, M., and Facchi, A. (2023). E ec o al e na e we ing and
d ying (awd) and o he i iga ion managemen s a egies on wa e esou ces in ice-p oducing a eas o
no he n i aly. Wa e , 15(12):2150.
G e e, P., Schmi , A. U., Mi alles, D. G., McDe mid, S. P., Findell, K. L., Ga cìa-Ga cìa, A., and Peng, J. (2025).
Obse a ional e idence o inc eased a e noon ain all downwind o i iga ed a eas. Na u e
Communica ions, 16:3415.
Kebede, E., Oluoch, K. O., Siebe , S., Meh a, P., Ha man, S., Jage mey , J., Ray, D., Ali, T., B auman, K. A.,
Deng, Q., Xie, W., and Da is, K. F. (2024). A global open-sou ce da ase o mon hly i iga ed and ain ed
c opped a eas (mi ca-os) o he 21s cen u y. Hyd oSha e.
Keys, P., an de En , R., Go don, L., Ho , H., Nikoli, R., and Sa enije, H. (2012). Analyzing p ecipi a ionsheds
16
o unde s and he ulne abili y o ain all dependen egions. Biogeosciences, 9(2):733–746.
Lampayan, R., Rejesus, R., Single on, G., and Bouman, B. (2015). Adop ion and economics o al e na e we ing
and d ying wa e managemen o i iga ed lowland ice. Field C ops Resea ch, 170:95–108.
Linquis , B., an G oenigen, K. J., Ad ien o-Bo be, M. A., Pi elkow, C., and an Kessel, C. (2012). An ag onomic
assessmen o g eenhouse gas emissions om majo ce eal c ops. Global Change Biology, 18(1):194–
209.
Mekonnen, M. M. and Hoeks a, A. Y. (2011). The g een, blue and g ey wa e oo p in o c ops and de i ed
c op p oduc s. Hyd ology and Ea h Sys em Sciences, 15(5):1577–1600.
Posada-Ma ìn, J., Salaza , J., Rulli, M. C., Wang-E landsson, L., and Ja amillo, F. (2024). Upwind mois u e
supply inc eases isk o wa e secu i y. Na u e Wa e , 2:875–888.
Tuong, T. and Bouman, B. (2003). Rice p oduc ion in wa e -sca ce en i onmen s. In Kijne, J. W., Ba ke , R.,
and Molden, D., edi o s, Wa e P oduc i i y in Ag icul u e: Limi s and Oppo uni ies o Imp o emen , pages
53–67. CABI Publishing, Walling o d.
17
Modeling he e ec s o shi ing plan ing da es and i iga ion
managemen s a egies in maize c opping sys ems o
sus ainable wa e esou ce managemen
Ad ian Chummac1,2,3*, B unella Bonacco so2
1 Uni e si y School o Ad anced S udies IUSS Pa ia, Piazza della Vi o ia 15, 27100, Pa ia
2 Depa men o Enginee ing, Uni e si y o Messina, Con ada di Dio, Villiaggio San ’Aga a, 98166, Messina
3 Cen al Luzon S a e Uni e si y, Science Ci y o Muñoz, Nue a Ecija 3120, Philippines
*e-mail: [email p o ec ed]
Abs ac
The a ailabili y o wa e esou ces in ag icul u e plays a i al ole in ensu ing p oduc i i y, gi en he sec o ’s
impo ance o ood secu i y. Assessing in-season c op wa e equi emen s and e alua ing i iga ion
managemen s a egies p o ide essen ial insigh s in o wa e demand, o e ing adap a ion ools o managing
limi ed wa e esou ces. This s udy e alua es c op wa e demand and adap a ion s a egies o managing wa e
esou ces in a maize c opping sys em in he wo p o inces o Basilica a egion (Ma e a and Po enza), I aly.
The me hodology employs a calib a ed c op model (Me eu e al., 2019), namely CSM-CERES-Maize,
ini ialized wi h c op managemen p ac ices, soil cha ac e is ics, and wea he da a om 1991 o 2023. Two
adap a ion s a egies we e e alua ed: (1) shi ing plan ing da es (ea ly, mid, and la e plan ing) and (2) i iga ion
managemen ( ull i iga ion, 75% de ici , 50% de ici , 25% de ici , and ain ed/no i iga ion). The model simula es
plan -soil-wa e in e ac ions, p o iding a quan i a i e assessmen o c op yield, seasonal wa e demand, wa e
p oduc i i y, and he e ec i eness o he adap a ion s a egies.
Resul s o a mixed-e ec s analysis o a iance using he lme4 package in R (Ba es e al., 2015) showed ha
bo h plan ing da e and i iga ion managemen had a signi ican e ec on c op yield and wa e p oduc i i y in
bo h p o inces; howe e , hei in e ac ion was no signi ican . An excep ion was obse ed in Ma e a, whe e he
in e ac ion be ween plan ing da e and i iga ion managemen had a signi ican e ec on wa e p oduc i i y.
O e all, a declining end in seasonal wa e equi emen s was obse ed om ea ly o la e plan ing a mos
i iga ion le els, indica ing ha la e plan ing da es equi e less i iga ion. Con e sely, wa e p oduc i i y
inc eased om ea ly o la e plan ing ac oss all i iga ion le els, wi h he highes alues obse ed a la e plan ing
combined wi h 25% de ici i iga ion.
Pos -hoc analysis e ealed ha , ac oss all i iga ion s a egies, c op yields we e highes o la e plan ing in
bo h p o inces. Howe e , he di e ence in yields be ween mid and la e plan ing da es was no s a is ically
signi ican , possibly due o be e alignmen wi h p ecipi a ion pa e ns. Full i iga ion consis en ly esul ed in he
highes yields a all plan ing da es, hough hese yields we e no signi ican ly di e en om hose unde 75%
de ici i iga ion. This indica es a po en ial 25% wa e sa ing wi hou subs an ial yield loss i adop ing 75% de ici
i iga ion. The indings also sugges ha in scena ios whe e wa e esou ces a e limi ed o i iga ion is no
easible, la e plan ing may se e as a iable s a egy, as i be e aligns he c op’s g owing season wi h
p ecipi a ion pa e ns, as e idenced by inc eased wa e p oduc i i y and educed i iga ion equi emen s. The
s udy is cu en ly being ex ended o inco po a e an e alua ion o d ough haza d impac s on c op yields,
alongside an assessmen o he e icacy o he p oposed adap a ion s a egies in mi iga ing d ough -induced
yield isks.
18
Figu e 1. Simula ed yields in Ma e a and Po enza a di e en plan ing da es and i iga ion managemen s a egies
o e 33 yea s (1991-2023)
Acknowledgmen s
This s udy was pa ially ca ied ou wi hin he cascading unding p ojec Wa e WISE- “Wa e Managemen
S a egies and Clima e Change Adap a ion in Sou he n I aly”– RETURN ex ended Pa ne ship unded by Nex -
Gene a ion EU (Na ional Plan o Reco e y and Resilience—PNRR, Mission 4, Componen 2, In es men 1.3—
D.D. 1243 o 2 Augus , 2022, PE0000005), CUP D43C22003030002
Re e ences
Ba es D, Mächle M, Bolke B, Walke S (2015). “Fi ing Linea Mixed-E ec s Models Using lme4.” Jou nal o
S a is ical So wa e, 67(1), 1–48. doi:10.18637/jss. 067.i01.
Me eu, V., Gallo, A., & Spano, D. (2019). Op imizing Gene ic Pa ame e s o CSM-CERES Whea and CSM-
CERES Maize o Du um Whea , Common Whea , and Maize in I aly. Ag onomy, 9(10), 665.
h ps://doi.o g/10.3390/ag onomy9100665
19
On he hyd ological sus ainabili y o ag icul u al a eas o he
Tig is–Euph a es i e basin
Hiba Mohammad*, Muhammad Faisal Hani , Ma co Peli, Robe o Ranzi, S e ano Ba on ini
Depa men o Ci il, En i onmen al, A chi ec u al Enginee ing and Ma hema ics, Uni e si y o B escia, B escia, I aly.
*e-mail: [email p o ec ed]
Abs ac
The Tig is–Euph a es i e basin, spanning ac oss Tü kiye, Sy ia, and I aq, is one o he mos hyd o-poli ically
sensi i e and ecologically s essed ansbounda y basins in he Middle Eas and No h A ica (MENA) egion
(N. Al-Ansa i, 2016). I plays a cen al ole in suppo ing ag icul u al p oduc ion, ene gy, and li elihoods,
especially in I aq and Sy ia, whe e dependence on he basin exceeds 90% o eshwa e supply (FAO, 2009).
Howe e , dam cons uc ion, clima e a iabili y, and agg essi e i iga ion expansion ha e signi ican ly al e ed
he na u al hyd ological egime, pa icula ly downs eam (Al-Qu aishi & Kaplan, 2021). Gi en he basin’s high
dependence on ag icul u e and i iga ion, a comp ehensi e analysis o i s hyd ological sus ainabili y unde c op-
and clima e-speci ic condi ions is u gen ly needed. This s udy aims o assess he long- e m hyd ological
sus ainabili y o he Tig is–Euph a es i e basin be ween 1975 and 2022.
The analysis ocuses on c op-speci ic e apo anspi a ion demands (𝐸𝑇𝑚𝑎𝑥), and hei in luence on he egional
wa e balance. The s udy used mon hly empe a u e and p ecipi a ion da a om 54 me eo ological s a ions
ac oss he basin, sou ced om he Mash eq domain da ase (1975–2022) (UNESCWA & ACSAD, 2021). 𝐸𝑇𝑚𝑎𝑥
was compu ed ia he Tho n hwai e o mula and he FAO56-Ha g ea es me hod, in eg a ing c op coe icien s
(𝐾𝑐) (Allen e al., 1998).
Based on he p ecipi a ion a ailabili y and on he 𝐸𝑇𝑚𝑎𝑥 demand, Melisenda’s a idi y index (𝑎) was used o
classi y he a eas as “we ” (a < -1) o “po en ially d y” (-1 < a < 0; see Figu e 1), based on hei abili y o e ill he
soil ield capaci y du ing he we season, and o es ima e he annual de ici and supe a i (Melisenda, 1964).
Then he Budyko amewo k was employed o assess he sus ainabili y o he long- e m ag oclima ic wa e
balance using he Budyko A idi y Index (𝐵𝐴𝐼 = 𝐸𝑇𝑚𝑎𝑥 𝑃
⁄) and Budyko D yness Index (𝐵𝐷𝐼 = 𝐴𝐸𝑇 𝑃
⁄) (Budyko,
1974). Six scena ios we e analysed o 𝐸𝑇𝑚𝑎𝑥 demand: Tho n hwai e’s exosys emic demand, he ac ual land
use/ land co e (LULC) and ou s anda d c op-in e c op scena ios, i.e., Mille -Len ils (ML), Ba ley-Len ils (BL),
Win e Whea -Beans (WB), and Rice-Len ils (RL), o de e mine spa ial wa e de ici s, ac ual e apo anspi a ion,
and sus ainabili y unde di e en ield capaci ies.
Ou esul s indica e:
Ch onic a idi y ac oss I aq and Sy ia, whe e wa e de ici s a e oo g ea o sus ain wa e -in ensi e c ops like
ice and whea wi hou ex ensi e i iga ion in as uc u e.
Mille consis en ly eme ges as he op imal c op; hal ing i iga ion demands compa ed o ice and imp o ing
esilience in d yland egions.
S a egic c op selec ion and wa e -e icien i iga ion p ac ices a e c i ical adap a ion pa hways. Adop ion o
d ough - ole an ce eals, pai ed wi h localized wa e ha es ing, could educe s ess on su ace wa e sys ems
and g oundwa e deple ion.
20
Figu e 1. Maps o he Melisenda’s a idi y index o he Tig is-Euph a es i e basin. The op le scena io is based on
Tho n hwai e’s po en ial e apo anspi a ion. The o he i e a e based on he FAO56 p ocedu e o es ima e he maximum
e apo anspi a i e demand o he ollowing c op scena ios: ac ual ESA Land Co e map (LC), mille and len ils (ML),
ba ley and len ils (BL), win e whea and g een beans (WB), and ice and len ils (RL).
Re e ences
Al-Ansa i, N., 2016. Hyd o-Poli ics o he Tig is and Euph a es Basins. Enginee ing, 08(03), 140–172
Allen, R., Pe ei a, L. and Smi h, M., 1998. C op e apo anspi a ion-Guidelines o compu ing c op wa e
equi emen s-FAO I iga ion and d ainage pape 56
Al-Qu aishi, A. K. and Kaplan, D. A., 2021. Connec ing changes in Euph a es Ri e low o hyd opa e n o he
Wes e n Mesopo amian Ma shes. Science o The To al En i onmen , 768, 144445
Budyko, M. I., 1974. Clima e and Li e. Academic P ess
FAO, 2009. AQUASTAT T ansbounda y Ri e Basins – Euph a es-Tig is Ri e Basin (p. 14). Food and
Ag icul u e O ganiza ion o he Uni ed Na ions (FAO)
Melisenda, I., 1964. Sui calcoli id ologici pe il e eno ag a io: In luenza del ‘clima’. L’acqua, 4, 3–20
UNESCWA, & ACSAD., 2021. Impac o Clima e Change on Sha ed Wa e Resou ces in he Euph a es Ri e
Basin (E/ESCWA/CL1.CCS/2021/RICCAR/TECHNICAL REPORT.11; RICCAR Technical Repo , p. 37).
A ab Cen e o he S udies o A id Zones and D y Lands (ACSAD) and Uni ed Na ions Economic and
Social Commission o Wes e n Asia (ESCWA)
UN-ESCWA, & BGR., 2013. In en o y o Sha ed Wa e Resou ces in Wes e n Asia. Uni ed Na ions Economic
and Social Commission o Wes e n Asia; Bundesans al ü Geowissenscha en und Rohs o e.
21
In luenza sull’indice di a idi à delle o mule pe la s ima
dell’e apo aspi azione po enziale
Gio anni Selle i*, Ma ia Ne i, Elena To h
DICAM, Uni e si à di Bologna, Bologna, I aly
*e-mail: [email p o ec ed]
Somma io
L’e e o combina o di u i i p ocessi e apo aspi a i i s olge un uolo chia e nel bilancio id ico pe la
modellazione id ologica a scala di bacino id og a ico. Tu a ia, la misu azione di e a del asso di
e apo aspi azione è mol o complessa e ipicamen e engono u ilizza e o mule che esp imono la cosidde a
e apo aspi azione po enziale (Ep, o e o il lusso massimo in condizioni di disponibili à id ica illimi a a), in
unzione di alcune a iabili me eo ologiche. Ol e che pe l’u ilizzo come o zan e dei modelli a lussi-de lussi,
l’andamen o e l’en i à della Ep sono a o i c uciali pe ca a e izza e le dinamiche id ologiche e la simila i à a
bacini, e in pa icola e la sua s ima è u ilizza a pe il calcolo degli indici di a idi à.
Sono s a e p opos e s a ia e o mule pe il calcolo della Ep e di e se di ques e sono comunemen e u ilizza e
con o imi isul a i; ma la scel a della o mula imane comunque a disc ezione del singolo modellis a, il quale
soli amen e si basa sui da i me eo ologici disponibili e sulla p op ia espe ienza.
In ques o s udio engono analizza e le di e enze a i alo i s ima i, i e i i ad un pe iodo es eso di
osse azione, da o o di e se o mule pe un ampio insieme di bacini si ua i in di e se egioni id o-clima iche
del mondo.
Pe conside a e nell’analisi un as o insieme di bacini in u o il mondo, con disponibili à omogenea di u e le
o zan i me eo ologiche necessa ie, sono s a i seleziona i ol e emila bacini, che cop ono as e a ee
geog a iche di S a i Uni i, B asile, Cile, Aus alia, Regno Uni o ed Eu opa cen ale, dal ecen e da ase Ca a an
(K a ze e al. 2023). Pe ogni bacino, Ca a an accoglie le se ie delle po a e gio nalie e osse a e o enu e
da un insieme di da ase id ologici nazionali e egionali chiama i “CAMELS- ype”. Nei da ase CAMELS le
a iabili me eo ologiche media e sul bacino sono de i a e a pa i e da in e polazioni delle misu e al suolo,
men e in CARAVAN, pe man ene e uni o mi à sull’in e o con inen e, i da i me eo ologici gio nalie i medi a eali
sono de i a i dal p odo o di ianalisi globale ERA5-Land (Muñoz-Saba e e al., 2021), che include anche
nume ose a iabili non p esen i nei p odo i CAMELS (che in gene e si limi ano a p ecipi azione e empe a u a).
T a le nume ose o mule p opos e pe la s ima della Ep, sono s a e seleziona e e applica e o o a le più
u ilizza e in le e a u a e nella p a ica id ologica. In ques o somma io sono p esen a i, pe b e i à, solo i isul a i
ela i i a qua o di esse, ipo a e in Tabella 1.
Tabella 1. Alcune o mule adope a e in ques o s udio e mos a e nell’esempio in Figu a 1
Fo mula
Va iabili ichies e
Penman-Mon ei h ( e sione FAO, Allen e al. 1998)
Radiazione, p essione, en o, empe a u e media, massima,
minima e di ugiada
P ies ley-Taylo
Radiazione, empe a u a media
Ha g ea es
Tempe a u a media, massima e minima
Tho n hwai e
Tempe a u a media
Le s ime medie a eali di Ep isul an i dall’applicazione delle o mule sono s a e con on a e analizzando la
media annuale cumula a di lungo pe iodo e la massima escu sione s agionale. Ol e ad analizza e la a iabili à
delle s ime o enu e da ciascuna o mula all’in e no di una s essa a ea geog a ica, si sono con on a i i isul a i
o enu i sulle di e se egioni pe la s essa o mula, pe alu a e l’impa o delle di e enze id o-clima iche.
Inol e, pe i bacini a en i almeno 30 anni di po a e gio nalie e con inue, sono s a e accol e le medie a eali
di lungo pe iodo P (p ecipi azione) e Q (po a a osse a a), in modo da de e mina e l’indice di a idi à Ep/P ed
l’indice e apo a i o (P-Q)/P dei singoli bacini e app esen a li nel diag amma di Budyko.
A i olo di esempio, in igu a 1 sono illus a i alcuni isul a i pe i bacini del B asile. I isul a i illus a i nei
diag ammi a iolino nel pannello 1a) mos ano come ci siano di e enze non ascu abili a le s ime o enu e
dalle di e se o mule. In gene ale, pe u e le o o o mule, isul a ne a a iabili à a le s ime o enu e con le
di e se o mule, con di e enze signi ica i e a li ello egionale; è quasi semp e possibile indi idua e le o mule
sempli ica e che localmen e pe me ono di a icina si maggio men e alle s ime di i e imen o (Penman-
28
Figu e 1. a) S udy a ea; b) Pe cen di e ences on mon hly AET he e e ence o ETMoni o (2001-2019), GLASS (2001-
2023), MODIS (2000-2022) [g ey colo e e ed o compa ison wi h ETMoni o , ed o GLASS and g een o MODIS]
Re e ences
A ino, A., Cimo elli, L., Fu colo, P., No o, L. V., Pelosi, A., Pianese, D., Villani, P., and Man eda, S., 2024. A e
ain all ex emes inc easing in sou he n I aly? Jou nal o Hyd ology, 631.
B aca, G. and Ducci, D., 2018. De elopmen o a GIS Based P ocedu e (BIGBANG 1.0) o e alua ing
g oundwa e balances a na ional scale and compa ison wi h g oundwa e esou ces e alua ion a local
scale. G oundwa e and Global Change in he Wes e n Medi e anean A ea. pp. 53-61.
Ha g ea es, G. H., and Samani, Z. A., 1985. Re e ence C op E apo anspi a ion om Tempe a u e. Applied
Enginee ing in Ag icul u e, 1(2), 96-99.
Hla čo á, K., Kohno á, S., Szolgay, J., Pa ajka, J., & Blöschl, G. (2008). Assessmen o clima e change impac
on he hyd ologic egime in he uppe H on Ri e basin, Slo akia. Jou nal o Hyd ology and
Hyd omechanics, 56(3), 163–175.
McCabe, G. J. and Wolock, D. M., 2011. Independen e ec s o empe a u e and p ecipi a ion on modeled uno
in he con e minous uni ed s a es. Wa e Resou ces Resea ch 47 (11).
Mendicino, G., and Sena o e, A., 2013. Regionaliza ion o he Ha g ea es Coe icien o he Assessmen o
Dis ibu ed Re e ence E apo anspi a ion in Sou he n I aly. Jou nal o I iga ion and D ainage Enginee ing,
139(5), 349-362.
Pe es, D. J., Bonacco so, B., Palazzolo, N., Cancellie e, A., Mendicino, G., and Sena o e, A., 2023. A dynamic
app oach o assessing clima e change impac s on d ough : an analysis in Sou he n I aly. Hyd ological
Sciences Jou nal, 68(9), pp.1213-1228.
Tho n hwai e, C. W., 1948. An app oach owa d a a ional classi ica ion o clima e. Geog aphical e iew, 38(1),
55-94.
Xie, Z., Yao, Y., Zhang, X., Liang, S., Fishe , J. B., Chen, J., Jia, K., Shang, K., Yang, J., Yu, R., Guo, X., Liu,
L., Ning, J., and Zhang, L., 2022. The Global LAnd Su ace Sa elli e (GLASS) e apo anspi a ion p oduc
Ve sion 5.0: Algo i hm de elopmen and p elimina y alida ion. Jou nal o Hyd ology, 610.
Zheng, C., Jia, L. and Hu G., 2022. Global land su ace e apo anspi a ion moni o ing by ETMoni o model
d i en by mul i-sou ce sa elli e ea h obse a ions. Jou nal o Hyd ology 613.
Running, S., Mu, Q., Zhao, M., and Mo eno, A., 2021. MODIS/Te a Ne E apo anspi a ion Gap-Filled 8-Day
L4 Global 500m SIN G id V061 [Da a se ]. NASA Land P ocesses Dis ibu ed Ac i e A chi e Cen e .
h ps://doi.o g/10.5067/MODIS/MOD16A2GF.061 Da e Accessed: 2025-06-18
29
Towa d be e hyd ological d ough ep esen a ion: op imizing
ege a ion dynamics in o he NOAH-MP land su ace model o
Sou he n I aly
Sa a Modanesi1*, Domenico De San is2, Daniela Dalmonech3, Alessio Collal i3, F ancesco A anzi4,
Gab ielle De Lannoy5, Tommaso Mo ama co1, Nunzio Romano6, Paolo Nas a6, Fabio Massimo
G asso7, Ma ina Na ali1,8, Ch is ian Massa i1
1 Resea ch Ins i u e o he Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Pe ugia, I aly
2 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Rende, I aly
3 Ins i u e o Ag icul u e and Fo es y Sys ems in he Medi e anean, Na ional Resea ch Council, Pe ugia, I aly
4 CIMA Resea ch Founda ion, Sa ona, I aly
5 Depa men o Ea h and En i onmen al Sciences, KU Leu en, He e lee, Belgium
6 Depa men o Ag icul u al Sciences, Uni e si y o Naples Fede ico II, Po ici, I aly
7 Ins i u e o A mosphe ic Sciences and Clima e, Na ional Resea ch Council, Lecce, I aly
8 Depa men o Ci il and En i onmen al Enginee ing, Uni e si y o Pe ugia, Pe ugia, I aly
*e-mail: [email p o ec ed]
Abs ac
Me eo ological d ough s, d i en by p olonged p ecipi a ion de ici s and o en ampli ied by inc eased
a mosphe ic wa e demand, signi ican ly a ec he pa i ioning o he wa e budge in i e basins. In his con ex ,
he complex in e play among land su ace e apo a ion (ET), basin s o age capaci y, and ege a ion dynamics
plays a key ole in con olling he ansi ion om me eo ological d ough (p ecipi a ion de ici ) o hyd ological
d ough ( educed s eam low and g oundwa e echa ge). Accu a ely modelling hese p ocesses in la ge-scale
Land Su ace Models (LSMs) equi es a ealis ic ep esen a ion o ET, soil mois u e (SM), and hei coupling
wi h ca bon luxes, such as g oss p ima y p oduc i i y (GPP).
Howe e , he pe o mance o LSMs is highly sensi i e o pa ame e iza ion choices. In pa icula , he selec ion
o uno schemes and ege a ion dynamics pa ame e s join ly in luence he coupling be ween SM and ET. This
coupling is c i ical o egula ing he pa i ioning o wa e luxes and di ec ly impac s s eam low simula ion, wa e
a ailabili y assessmen s, and d ough se e i y. Despi e hei impo ance, he combined e ec s o uno
schemes and ege a ion pa ame e iza ion on d ough ep esen a ion emain unde explo ed.
This s udy in es iga es he impac o ege a ion pa ame e s op imiza ion in he Noah-MP LSM ( e sion 4.0.1;
Niu e al., 2011), implemen ed wi hin he NASA Land In o ma ion Sys em (LIS; Kuma e al. 2006; Pe e s-Lida d
e al. 2007), wi h a speci ic ocus on i s in luence on uno dynamics and hyd ological d ough cha ac e iza ion.
A se ies o expe imen s we e conduc ed using ou di e en uno schemes inco po a ed in o he Noah-MP
LSM (Niu e al., 2007; Niu e al., 2005; Schaake e al., 1996; Dickinson e al.,1993), while sa elli e-de i ed
da ase s o GOSIF GPP, SMAP and in si u SM, and LSA SAF ET (Li and Xiao, 2019; O'Neill e al., 2021; T igo
e al. 2011), we e used o e alua e model ou pu s. A e selec ing he bes -pe o ming uno scheme,
ege a ion- ela ed emo e sensing p oduc s (e.g., MODIS lea a ea index [LAI], Myneni e al., 2015), we e used
o calib a e ege a ion pa ame e s and assess hei impac on he simula ion o hyd ological d ough condi ions.
The analysis ocused on ca chmen s in Sou he n I aly, wi h pa icula emphasis on he C a i Ri e basin,
in es iga ed as pa o he “Tech4You – Technologies o Clima e Change Adap a ion and Quali y o Li e
Imp o emen ” p ojec . Special a en ion was gi en o d ough yea s, iden i ied using he 12-mon h S anda dized
P ecipi a ion Index (SPI-12).
Resul s show ha calib a ing LAI, pa icula ly in combina ion wi h he bes pe o ming uno scheme, can
imp o e he ep esen a ion o key a iables such as uno and SM, wi hou comp omising he accu acy o ET
and GPP. These indings highligh he c ucial ole o ege a ion pa ame e iza ion in modula ing wa e luxes and
SM-ET coupling and o e aluable insigh s o imp o ing d ough ep esen a ion in LSMs. This has di ec
implica ions o wa e esou ce managemen and ag oecosys em esilience in d ough -p one Medi e anean
egions.
30
Acknowledgemen s
This wo k was unded by he Nex Gene a ion EU - I alian NRRP, Mission 4, Componen 2, In es men 1.5, call
o he c ea ion and s eng hening o ‘Inno a ion Ecosys ems’, building ‘Te i o ial R&D Leade s’ (Di ec o ial
Dec ee n. 2021/3277) - p ojec Tech4You - Technologies o clima e change adap a ion and quali y o li e
imp o emen , n. ECS0000009. This wo k e lec s only he au ho s’ iews and opinions, nei he he Minis y o
Uni e si y and Resea ch no he Eu opean Commission can be conside ed esponsible o hem.
Re e ences
Dickinson, R. E., A. Hende son‐Selle s, and P. J. Kennedy, 1993. Biosphe e‐A mosphe e T ans e Scheme
(BATS) e sion 1e as coupled o he NCAR Communi y Clima e Model, NCAR Tech. No e NCAR/TN -
387+STR, 80 pp., Na l. Cen . o A mos. Res., Boulde , Colo.
Dickinson, R. E., M. Shaikh, R. B yan , and L. G aumlich,1998. In e ac i e canopies o a clima e model, J.
Clim., 11, 2823–2836, doi:10.1175/1520-0442(1998)011<2823:ICFACM>2.0.CO;2.
Kuma , S.V., and Coau ho s, 2006. Land in o ma ion sys em: An in e ope able amewo k o high esolu ion
land su ace modeling. En i onmen al modelling & so wa e, 21 (10), pp. 1402–1415.
Li, X., and J. Xiao, 2019. Mapping pho osyn hesis solely om sola -induced chlo ophyll luo escence: A global,
ine- esolu ion da ase o g oss p ima y p oduc ion de i ed omoco-2. Remo e Sensing, 11 (21), 2563.
Myneni, R., Knyazikhin, Y., & Pa k, T., 2015. MOD15A2H MODIS/Te a Lea A ea Index/FPAR 8-Day L4 Global
500m SIN G id V006. NASA EOSDIS Land P ocesses DAAC.
Niu, G.‐Y., and Z.‐L. Yang, 2007. An obse a ion‐based o mula ion o snow co e ac ion and i s e alua ion
o e la ge No h Ame ican i e basins, J. Geophys. Res., 112, D21101.
Niu, G.‐Y., Z.‐L. Yang, R. E. Dickinson, and L. E. Gulden, 2005. A simple TOPMODEL‐based uno
pa ame e iza ion (SIMTOP) o use in global clima e models, J. Geophys. Res., 110, D21106.
O'Neill, P. E., S. Chan, E. G. Njoku, T. Jackson, R. Bindlish, and J. Chaubell. 2021. L3 Radiome e Global Daily
36 km EASE-G id Soil Mois u e, Ve sion 8. [Indica e subse used]. Boulde , Colo ado USA. NASA Na ional
Snow and Ice Da a Cen e Dis ibu ed Ac i e A chi e Cen e .
Pe e s-Lida d, C. D., D. M. Mocko, M. Ga cia, J. A. San anello J , M. A. Tischle , M. S. Mo an, and Y. Wu, 2008.
Role o p ecipi a ion unce ain y in he es ima ion o hyd ologic soil p ope ies using emo ely sensed soil
mois u e in a semia id en i onmen . Wa e Resou ces Resea ch, 44 (5).
T igo, I. F., and Coau ho s, 2011. The sa elli e applica ion acili y o land su ace analysis. 1092 In e na ional
Jou nal o Remo e Sensing, 32 (10), pp. 2725–2744
31
D i e -based classi ica ion iden i ies snowmel as he p ima y
cause o se e e d ough s in he Uppe Adige basin
And ea Galle i1*, Susen Sh es ha1,2, Ma iapina Cas elli3, Massimiliano Pi o e1, S e ano Te zi1,
Giacomo Be oldi4
1 Eu ac Resea ch, Cen e o Clima e Change and T ans o ma ion, Bolzano, I aly
2 Depa men o Land, En i onmen , Ag icul u e and Fo es y, Uni e si y o Pado a, Pado a, I aly
3 Eu ac Resea ch, Ins i u e o Ea h Obse a ion, Bolzano, I aly
4 Eu ac Resea ch, Ins i u e o Alpine En i onmen , Bolzano, I aly
*e-mail: [email p o ec ed]
Abs ac
Hyd ological d ough is in ensi ying ac oss he Eu opean Alps. In 2022, no he n I aly expe ienced Po Ri e
lows unseen in wo cen u ies: a ~500-yea e en ha se e ely a ec ed hyd opowe , i iga ion, and aqua ic
ecosys ems (Mon ana i, 2023; Ramí ez-Molina, 2024). The accep ed heo y ypically acks d ough as a se ies
o cascading e en s, om me eo ological anomalies h ough ag icul u al and hyd ological s ages o socio-
economic losses (Van Loon, 2015). Howe e , impac -based moni o ing elies on consis en local loss da a such
as c op yields, economic damage, and ecosys em-se ice dis up ions, ye hese eco ds seldom p o ide he
spa ial o empo al co e age equi ed o de eloping ea ly wa ning sys ems. Consequen ly, d ough s udies
should p o ide aming ha ansla es obse able signals in o clea igge s o ope a ional esponse. The
quali a i e scheme o Van Loon & Van Lanen (2012), along wi h i s au oma ed successo by B unne e al.
(2022), ep esen a s ep in his di ec ion, linking each d ough o he hyd ome eo ological d i e ha ini ia es i .
Howe e , clima e, s o age, and elie can a y signi ican ly wi hin a single Alpine basin, hus calling o a locally
uned implemen a ion o hese amewo ks. The e o e, in his s udy, we de eloped a d i e -based classi ica ion
amewo k ailo ed o he 7,000 km² Uppe Adige basin (I aly), analysing 22 nes ed sub-basins om 1992 o
2023. Ou aim was o iden i y he d i e s behind he mos se e e low- low e en s, unde s and hei
cha ac e is ics, igge ing mechanisms and spa ial a iabili y, and explo e how such knowledge can e ine
s a egic moni o ing and ea ly esponse in moun ain ca chmen s.
To gene a e a basin-wide, in e nally consis en sui e o d i e a iables, we econs uc ed 1992–2023 daily
p ecipi a ion, ai empe a u e, snow all, and snowmel wi h he semi-dis ibu ed hyd ological model TOPMELT-
ICHYMOD (No bia o e al., 2008, Za amella e al., 2019). The model is in ope a ional use a he local wa e
au ho i y o lood o ecas ing, is o ced by spa ialized me eo ological obse a ion, and is calib a ed o op imal
low econs uc ion a se e al gauges. As a i s s ep, we success ully alida ed he model’s low- low p edic ion
(>75% o low- low days).
On his ounda ion, we adap ed B unne e al., (2022)’s amewo k o ou domain, ailo ing classi ica ion
decisions and anomaly h esholds o he Uppe -Adige hyd oclima e (Figu e 1). We uned ules and pa ame e s
i e a i ely, compa ing au oma ed ags wi h expe manual labelling o e e y low low (Q < Q20 o ≥ 20 days)
un il ≥ 90% conco dance was achie ed, ensu ing ha he classi ie cap u ed local hyd ological nuances wi hou
o e i ing. We hen s ess- es ed obus ness wi h a Mon e Ca lo simula ion ac oss 1,000 pa ame e se s, Sligh
a ia ions in decision pa ame e s do no a ec he dominance hie a chy. Only he “composi e” sha e g ows
unde he mos ex eme pa ame e se ings, e lec ing he class’s ole as a conse a i e allback.
The amewo k isola es 647 d ough e en s ac oss all 22 subca chmen s, and mel - ela ed episodes (wa m-
and cold-snow seasons) accoun o 31% o hem; he emaining d i e s a e composi e (28%), ain all-d i en
(27%), win e - ecession (12%), and hea wa e (1%). A he basin closing sec ion, he balance il s e en u he
owa d c yosphe ic con ol: mel - ela ed ypes ise o 46% (wa m 26.6%, cold 20%), wi h composi e d ough s
eceding o 17%, con i ming ha downs eam e en s a e p ima ily go e ned by snowmel anomalies.
Se e i y me ics u he cla i y he dis inc cha ac e is ics o each d ough d i e . Wa m snow season d ough s
deli e he highes median daily de ici (i.e., in ensi y), while composi e e en s combine simila ly high in ensi y
wi h he longes median du a ion (app oxima ely 55 days), esul ing in he highes o al- olume de ici s (i.e.,
se e i y). Al hough less se e e, win e ecession d ough s coincide wi h he annual low- low season and can
he e o e igge acu e supply con lic s.
Classi ying low- lows by hei go e ning p ocesses p o ides ac ionable igge s ins ead o a e - he- ac labels.
Fu u e imp o emen s o his wo k conce n he “composi e” ca ego y, which will be spli by assigning weigh s o
concu en anomalies.
The p esen ed classi ie could be al eady used o ansla e Ap il snowpack anomalies, May–June mel lags,
32
and pe sis en summe ain all sho alls in o ie ed ale s, gi ing ope a o s a d i e -speci ic lead ime o ac ion
ha plain discha ge h esholds canno p o ide.
Figu e 1. Schema ic o he d ough classi ica ion amewo k. The sha e o e en s (ou o 647 o al) assigned o each
ca ego y is shown in pe cen age a he bo om.
Re e ences
B unne , M. I., e al. (2022). Snow and ice- ela ed wa e esou ces modeling using a no el mul imodal app oach.
Wa e Resou ces Resea ch. h ps://doi.o g/10.1029/2022WR032070
Mon ana i, A. (2023). Con olli sulla composizione iso opica s abile della p ecipi azione gio nalie a a Sydney
(Aus alia): 9 anni di da i e Radon-222. Jou nal o Hyd ology, 617, 129123.
h ps://doi.o g/10.1016/j.jhyd ol.2023.129123
No bia o, D., Bo ga, M., Degli Espos i, S., Gaume, E., & Anque in, S. (2008). Flash lood wa ning based on
ain all h esholds and soil mois u e condi ions: An assessmen o gauged and ungauged basins. Jou nal
o Hyd ology, 362(3-4), 274-290.
Ramí ez Molina, A. A., Too le, G., Fo me a, G., Piecho a, T., & Gong, J. (2024). Ex ao dina y 21s Cen u y
D ough in he Po Ri e Basin (I aly). Hyd ology, 11(12), A icle 219.
h ps://doi.o g/10.3390/hyd ology11120219
Van Loon, A. F., & Van Lanen, H. A. (2012). A p ocess-based ypology o hyd ological d ough . Hyd ology and
Ea h Sys em Sciences, 16(7), 1915-1946.
Van Loon, A. F. (2015). Hyd ological d ough explained. WIREs Wa e , 2(4), 359–392.
h ps://doi.o g/10.1002/wa 2.1085
Za amella, M., Bo ga, M., Zocca elli, D., & Ca u an, L. (2019). TOPMELT 1.0: a opog aphy-based dis ibu ion
unc ion app oach o snowmel simula ion o hyd ological modelling a basin scale. Geoscien i ic Model
De elopmen , 12(12), 5251-5265.
33
Mul i a ia e Risk Modeling o D ough Impac on Wa e Supply
in he Camas a Rese oi
Mohamed-Amine Lahkim-Bennani1,2*, B unella Bonacco so2
1 R&DGéoAp, FSTT, Abdelmalek Essaadi Uni e si y, Te ouan, Mo occo
2 Depa men o Enginee ing, Uni e si y o Messina, Villaggio S. Aga a, Messina, I aly
*e-mail: [email p o ec ed]
Abs ac
Medi e anean wa e ese oi s a e inc easingly h ea ened by clima e a iabili y and inc easing wa e
demand. This s udy examines he impac o d ough on he wa e supply sys em by linking d ough p edic o s
wi h unme wa e demands using a mul i a ia e s a is ical isk modelling app oach. The p oposed app oach is
applied o he Camas a Rese oi in he Basilica a egion in Sou he n I aly.
We de elop and es a mul i a ia e indica o o d ough impac using mon hly da a o 1993–2023:
gauge-based p ecipi a ion, Cope nicus 0–40 cm soil-mois u e anomaly (SMAI), and ese oi in low de i ed
om he wa e balance. Me eo ological d ough indices (SPI, SPEI) and hyd ological indices (SMAI, SFI) we e
compu ed a 3- and 6-mon h ime scales. Fi s , c oss-co ela ion was used o quan i y clima e- o-impac lags.
All d i e –impac pai s peaked a 1-mon h lead wi h = 0.59–0.73 (p < 0.05) and e ained usable signal up o 5
mon hs, indica ing slow p opaga ion and pa ial bu e ing by basin soil mois u e. The hyd ological esponse
(SFI) co ela ed mo e s ongly wi h me eo ological indices ( = 0.72–0.73; 52–54% o a iance explained) han
soil-mois u e anomalies ( = 0.59–0.61), wi h a small ad an age o SPEI o e SPI. Ou esul s a e in line wi h
hose o Baez-Villanue a e al. (2024), who ound ha ac oss 100 nea -na u al Chilean ca chmen s ha
me eo ological indices gene ally ou pe o m soil-mois u e indices (ESSMI) as p oxies o s eam low d ough .
Since SPI/SMAI (bo h 3 and 6 mon hs) we e close o N(0,1), we combined hem in o a Join D ough Index
(JDI) using a bi a ia e Gaussian copula (Genes and Fa e, 2007), consis en wi h app oaches ha couple SPI
and ege a ion heal h (VHI) in o a p obabilis ic p ecipi a ion– ege a ion index (PPVI) (Mon eleone e al. 2020).
A Q–Q alida ion demons a es ha he model eplica es he empi ical join p obabili ies wi h high accu acy
(RMSE = 0.022, R² = 0.992, MAPE = 10.5%), wi h no iceable de ia ions only in he ails. Fo impac de ec ion,
Recei e Ope a ing Cha ac e is ic (ROC) analysis agains SFI h esholds (≤ −2, −1.5, −1, 0) demons a ed ha
JDI consis en ly ou pe o med single indices (SPI o SPEI), especially a 1–2 mon hs lead, unde sco ing i s
alue as an ea ly-wa ning indica o o ese oi ope a ions.
The p oposed amewo k a o ds a ep oducible basis o es ablishing ac i a ion h esholds and can be applied
wi hou majo modi ica ion ac oss Medi e anean se ings. Cu en de elopmen s ocus on con e ing JDI skill
in o ope a ional igge s and on es ing p obabilis ic o ecas s ha link seasonal SPI/SMAI guidance o decision
ules.
34
Figu e 1. Compa ison o SPI₆, SPEI₆ and JDI₆ pe o mance in iden i ying epo ed d ough e en s (6-mon h): ROC cu es
(POD s POFD) wi h ixed de ec ion h esholds Z_SPI = 0, Z_SPEI = 0, and Z_JDI = -0.099; AUC alues shown in he
legend.
Re e ences
Baez-Villanue a OM, Zamb ano-Bigia ini M, Mi alles DG, e al (2024) On he imescale o d ough indices o
moni o ing s eam low d ough conside ing ca chmen hyd ological egimes. Hyd ol Ea h Sys Sci
28:1415–1439. h ps://doi.o g/10.5194/hess-28-1415-2024
Genes C, Fa e A-C (2007) E e y hing You Always Wan ed o Know abou Copula Modeling bu We e A aid
o Ask. J Hyd ol Eng 12:347–368. h ps://doi.o g/10.1061/(ASCE)1084-0699(2007)12:4(347)
Mon eleone B, Bonacco so B, Ma ina M (2020) A join p obabilis ic index o objec i e d ough iden i ica ion:
he case s udy o Hai i. Na Haza ds Ea h Sys Sci 20:471–487. h ps://doi.o g/10.5194/nhess-20-471-2020
35
Più ene gia pe gli u en i, più acqua pe l’ambien e:
scena i di ib idizzazione id oele ico- o o ol aico pe un in aso
p e-alpino
Domenico Micocci1*, C is iana B agalli1, Elena To h1, Tobias Wechsle 2, Massimiliano Zappa2
1 Dipa imen o di Ingegne ia Ci ile, Chimica, Ambien ale e dei Ma e iali, Uni e si à di Bologna, Bologna, I alia
2 Is i u o ede ale di ice ca pe la o es a, la ne e e il paesaggio WSL, Bi mensdo , S izze a
*e-mail: dome[email p o ec ed]
Somma io
Le on i ene ge iche inno abili non p og ammabili (FRNP), a cui il sola e o o ol aico (PV), pongono nuo e
s ide pe la ges ione del sis ema ele ico (Lund e al., 2015), in quan o la lo o disponibili à è essenzialmen e
guida a da a iabili clima iche ed è pe ciò indipenden e dal abbisogno degli u en i. L’id oele ico (HP) a
se ba oio può con ibui e in modo signi ica i o a mi iga e il disallineamen o a p oduzione e consumo: si a a
in a i di una delle poche on i ene ge iche inno abili p og ammabili, la cui p oduzione può esse e modula a
secondo le esigenze. Un li ello di lessibili à anco a maggio e è o e o dagli impian i id oele ici con pompaggio,
che consen ono anche l’asso bimen o dell’ene gia ecceden e il abbisogno degli u en i ami e il solle amen o
dell’acqua da un in aso a quo a in e io e ad uno supe io e.
L’in eg azione id oele ico- o o ol aico (HP-PV) in un impian o ib ido, ges i o quindi in manie a coo dina a,
può o i e p o ili di gene azione più egola i ispe o ad un impian o PV au onomo, age olando così la
pene azione della on e sola e nel mix ene ge ico (Ju asz e al., 2020). D’al o can o, pe ò, l’accoppiamen o di
un impian o PV ad un impian o id oele ico a se ba oio esis en e po ebbe modi ica e le modali à di ges ione
dell’in aso, con possibili conseguenze sull’e oluzione del olume u ile e sulla disponibili à di iso sa id ica; ale
aspe o, u a ia, è a amen e analizza o in le e a u a, pu essendone iconosciu a l’impo anza (e.g., F ançois
e al., 2014). Pe con ibui e a ques o ema, abbiamo s iluppa o un espe imen o nume ico, immaginando di
in eg a e un impian o id oele ico con pompaggio ealmen e esis en e con un ipo e ico impian o o o ol aico
galleggian e, ins alla o di e amen e sulla supe icie dell’in aso supe io e.
Come caso di s udio, si è conside a o l’impian o di gene azione e pompaggio E zelwe k, ges i o dalle Fe o ie
Fede ali S izze e (po enza nominale in gene azione: 120 MW). L’impian o s u a un disli ello di ci ca 480 m a
il Lago di Zu igo (u ilizza o come se ba oio in e io e) ed il Lago della Sihl, un impo an e in aso a i iciale
s izze o, si ua o nella egione p e-Alpina (supe icie del bacino: 155.5 km2; quo a media: 1243 m s.l.m.; egime
id ologico: ni o-plu iale p e-alpino). T a andosi di un impian o e e sibile, l’acqua può esse e u bina a dal Lago
della Sihl e so il Lago di Zu igo o pompa a nel e so oppos o. È inol e p e is o il ilascio di un de lusso
ecologico dal Lago della Sihl, lega o alle condizioni di de lusso a alle dell’in aso a i iciale.
Si è immagina o di in odu e sul Lago della Sihl un ipo e ico impian o o o ol aico galleggian e, di es ensione
pa i al 10 % dell’a ea dello specchio liquido alla quo a di minima egolazione (pa i a 3.15 km2) e di po enza
nominale pa i al 50 % ci ca della po enza ins alla a dell’impian o id oele ico.
La ges ione in eg a a dell’impian o ib ido è s a a simula a a a e so un app occio mul i-disciplina e
apposi amen e s iluppa o (Micocci e al., 2025), inalizza o a me e e in luce specialmen e le implicazioni
dell’ib idizzazione HP-PV sulla ges ione della iso sa id ica. La me odologia ado a a p esen a una s u u a
modula e, acilmen e ada abile a di e si casi di s udio: i) un modello di p oduzione o o ol aica con e e le se ie
me eo ologiche di inpu ( empe a u a e i adianza) nella se ie della po enza o o ol aica disponibile; ii) un
modello di domanda ele ica (in ques o caso, una semplice eg essione linea e mul ipla guida a esclusi amen e
da a iabili empo ali) o nisce il p o ilo del abbisogno dell’u enza (che nel p esen e s udio è solo quella
e o ia ia); iii) un modello di ges ione dell’in aso de inisce i ilasci dal se ba oio sulla base dei abbisogni e del
olume disponibile (in ques o caso, si sono de ini e delle cu e di ges ione, dedo e da un’analisi s a is ica della
se ie s o ica dei li elli d’in aso dal 1981 al 2023).
La simulazione è s a a esegui a a isoluzione o a ia (pe coglie e possibili in e azioni a lu uazioni in a-
gio nalie e della domanda e della p oduzione sola e) ed è s a a es esa ad un a co empo ale di 38 anni (1981-
2018), pe consegui e una obus a ca a e izzazione delle condizioni id o-clima iche. Si sono u ilizza i come
inpu da i me eo ologici s o ici disponibili pe l’a ea di s udio ( a cui p ecipi azione, empe a u a e adiazione
sola e), men e i necessa i da i id ologici (a lussi al se ba oio, pe di e pe e apo azione e de lusso na u ale dei
ibu a i a alle dell’in aso) sono s a i o enu i ami e un modello id ologico calib a o pe il bacino della Sihl,
ealizza o ami e il sis ema di modellazione semi-dis ibui o PREVAH (Vi i oli e al., 2009).
36
La simulazione dell’impian o ib ido HP-PV è s a a ipe u a pe e scena i: i) NoPV è uno scena io di
i e imen o, senza impian o PV a suppo o dell’id oele ico; ii) nello scena io PV1 l’ene gia sola e, se disponibile,
con ibuisce a soddis a e il abbisogno degli u en i e l’e en uale su plus è accumula o ami e pompaggio; iii)
nello scena io PV2 si aggiunge, ispe o allo scena io PV1, la possibili à di ilascia e a alle il 50 % dell’acqua
che non è s a o necessa io u ilizza e pe l’uso id oele ico g azie al con ibu o del sola e, onde aumen a e il
de lusso ecologico nei mesi da maggio ad o ob e.
I isul a i mos ano che l’in oduzione del o o ol aico pe me e di inc emen a e la p oduzione annua
complessi a di ene gia di ci ca il 20 % ispe o allo scena io di i e imen o NoPV (c . Tabella 1). L’ib idizzazione
(scena i PV1 e PV2) consen e inol e di miglio a e l’a idabili à del sis ema, come mos a o dall’indice di
a idabili à (qui de ini o come il appo o a l’ene gia complessi amen e e oga a e quella ichies a nel pe iodo
di simulazione), che aumen a dal 90 % ci ca nello scena io NoPV al 97 % ci ca negli scena i PV1 e PV2.
In e mini di p es azioni ene ge iche, si sono o enu i isul a i simili negli scena i PV1 e PV2, nonos an e i ilasci
aggiun i i consen i i, a maggio e o ob e, nello scena io PV2. Tali ilasci aggiun i i, u a ia, hanno un impa o
signi ica i o sul ilascio medio mensile, che aumen a a il 14 % (in maggio) e il 50 % (da giugno ad agos o)
nello scena io PV2 ispe o al PV1 (c . Tabella 1).
In conclusione, i isul a i o enu i con e mano alcuni bene ici dell’ib idizzazione HP-PV già messi in luce in
s udi p eceden i (quali l’aumen o dell’ene gia p oducibile e dell’a idabili à); eme ge inol e un po enziale pe il
miglio amen o delle condizioni di de lusso a alle senza che siano in alida i signi ica i amen e i bene ici sul
on e ene ge ico.
Tabella 1. Ene gia annualmen e p oducibile in ciascuno scena io e ilascio medio mensile a alle (medie calcola e
sull’in e o a co empo ale di simulazione 1981-2018)
Ene gia
o ale
(GWh/y)
Ene gia
da HP
(GWh/y)
Ene gia
da PV
(GWh/y)
Rilascio
maggio
(m3/s)
Rilascio
giugno
(m3/s)
Rilascio
luglio
(m3/s)
Rilascio
agos o
(m3/s)
Rilascio
se em.
(m3/s)
Rilascio
o ob e
(m3/s)
NoPV
256.6
256.6
–
0.47
0.55
0.60
0.63
0.59
0.71
PV1
319.1
257.7
61.4
0.47
0.55
0.60
0.63
0.59
0.71
PV2
315.2
254.1
61.1
0.54
0.85
0.91
0.93
0.81
0.91
Ring aziamen i
Lo s udio è condo o nell’ambi o del Pa ena ia o Es eso RETURN, inanzia o dall’Unione Eu opea –
Nex Gene a ionEU (Piano Nazionale di Rip esa e Resilienza – PNRR, Missione 4 Componen e 2, In es imen o
1.3 - D.D. 1243 2/8/2022, PE0000005).
Bibliog a ia
F ançois, B., Bo ga, M., Anque in, S., C eu in, J.D., Engeland, K., Fa e, A.C., Hing ay, B., Ramos, M.H.,
Raynaud, D., Rena d, B., Sauque , E., Sau e leu e, J.F., Vidal, J.P., Wa land, G., 2014. In eg a ing
hyd opowe and in e mi en clima e- ela ed enewable ene gies: a call o hyd ology. Hyd ological
P ocesses, 28(21), 5465–5468
Ju asz, J., Ciapała, B., 2017. In eg a ing pho o ol aics in o ene gy sys ems by using a un-o - i e powe plan
wi h pondage o smoo h ene gy exchange wi h he powe gi d. Applied Ene gy, 198, 21–35
Lund, P.D., Lindg en, J., Mikkola, J., Salpaka i, J., 2015. Re iew o ene gy sys em lexibili y measu es o enable
high le els o a iable enewable elec ici y. Renewable and Sus ainable Ene gy Re iews, 45, 785–807
Micocci, D., B agalli, C., To h, E., Wechsle T., Zappa M., 2025. Hyb idiza ion o an alpine pumped-s o age
hyd opowe plan wi h loa ing sola pho o ol aics: a s udy om he wa e esou ce pe spec i e. Renewable
Ene gy, 253, 123530
Vi i oli, D., Zappa, M., Gu z, J., Weinga ne , R., 2009. An in oduc ion o he hyd ological modelling sys em
PREVAH and i s p e- and pos -p ocessing- ools. En i onmen al Modelling & So wa e, 24(10), 1209–1222.
37
Assessmen o egional-scale eshwa e a ailabili y and
sus ainabili y o an h opogenic wi hd awals: he GOV4WATER
p ojec
Alessia Flammini1*, Jacopo Da i1, Ca la Sal alippi1, F ancesco Leopa di1,2, Ma ina Na ali1,2, Rena o
Mo bidelli1
1 Depa men . o Ci il and En i onmen al Enginee ing, Uni e si y o Pe ugia, Pe ugia, I aly
2 Na ional Resea ch Council, Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Pe ugia, I aly
*e-mail: [email p o ec ed]
Abs ac
F eshwa e a ailabili y is widely ecognized as he li mus es o global wa ming, wi h ce ain a eas o he
wo lds expe iencing inc easing wa e c isis, such as he Medi e anean basin (Gio gi, 2006). Such a
ci cums ance de e mines he compelling need o sus ainable wa e managemen policies, ha , howe e , a e
o en limi ed by sca ci y and sca e ing o collec ed da a abou an h opogenic abs ac ions o ci il, indus ial,
and ag icul u al pu poses.
The Umb ia egion, loca ed in cen al I aly, is expe iencing inc easing ai empe a u es a a es highe han
he plane a y a e age, in associa ion wi h dec easing yea ly cumula ed ain all amoun s (Da i e al., 2023) and
educed uno olumes (Rahi e al., 2023). This si ua ion con ibu es in making he Umb ia egion a pe ec
case s udy o he In e eg Eu ope Go 4Wa e p ojec , aimed a enhancing wa e go e nance and planning in
ligh o clima e change.
In his s udy, we exploi wo well-es ablished, spa ially dis ibu ed da a se s o compu e ne eshwa e (𝑁𝐹)
emaining a ailable o e he egion as he di e ence be ween wa e inpu , i.e., p ecipi a ion, and na u al
consump ion, namely e apo anspi a ion. To do his, o al p ecipi a ion and ac ual e apo anspi a ion a es
de i ed om BIGBANG 8 (B aca e al., 2024) and ERA5-Land (Eu opean ReAnalysis 5 – Land) (Muñoz-
Saba e e al., 2021) a e conside ed. 𝑁𝐹 is calcula ed o bo h he da a se s, which a e cha ac e ized by di e en
spa ial samplings, i.e., 1 km and 9 km o BIGBANG and ERA5-Land, espec i ely. The conside ed pe iod spans
om 1951 o 2024. T end analyses e eal dec easing 𝑁𝐹 o e he Umb ia egion a a es equal o -2.03 mm/yea
and o -1.30 mm/yea o BIGBANG and ERA5-Land, espec i ely. In addi ion, such a dec ease is mo e
p onounced o e po ions o he egion whe e highe a e age 𝑁𝐹 a e ound (i.e., he Apennine idge). E en
hough he wo da a se s p o ide 𝑁𝐹 es ima es app eciably di e en in magni udes, hey a e highly co ela ed
in ime (Pea son 𝑟 equal o 0.84 a he yea ly scale). Such a esul is e lec ed in he good skill o es ima ed 𝑁𝐹
h ough bo h da a se s in showing clea ack o documen ed d ough e en s happened om 2000s onwa ds.
A e assessing cu en ends o 𝑁𝐹, he ac i i ies o eseen in he p ojec aim a compa ing amoun s o
eshwa e po en ially a ailable agains an h opogenic uses, in ligh o de eloping sus ainable wa e
managemen policies. To do his, da a on measu ed wa e consump ions o di e en uses will be p o ided by
wa e alloca ion manage s ope a ing in he Umb ia egion. Es ima es coming om modeling pla o ms (e.g.,
Huang e al., 2018) will be conside ed as well. Finally, conce ning ag icul u al wa e use (ac ually consis ing in
i iga ion wa e use), sa elli e-de i ed es ima es (Da i e al., 2024) will be conside ed. Along wi h his ask, u u e
p ojec ions o a ailable 𝑁𝐹 will be de eloped. An o e iew on he a ionale o he Go 4Wa e p ojec is p o ided
in Figu e 1.
44
Modellazione id ologica a anza a del bacino dell’A no pe
alu a e la ispos a delle iso se id iche agli scena i di
cambiamen o clima ico
F ancesco B essi1*, S e ano Tasin1, Ma co Lompi2, En ica Capo ali2, Ma co Bo ga3, Fabio Pilo i1,
Anna Paola Lona i1, Ma eo Dall’Amico1
1 Wa e jade S. .l., T en o, I alia
2 Dipa imen o di Ingegne ia Ci ile e Ambien ale, Uni e si à degli S udi di Fi enze, Fi enze, I alia
3 Dipa imen o di Te i o io e Sis emi Ag o-Fo es ali, Uni e si à degli S udi di Pado a, I alia
*e-mail: [email p o ec ed]
Somma io
La c escen e p essione sulle iso se id iche, acui a dai cambiamen i clima ici e e i o iali, impone lo s iluppo
di s umen i semp e più a anza i pe la comp ensione e la ges ione dei sis emi id ologici. In ques o con es o, è
s a o u ilizza o un modello id ologico di nuo a gene azione che mi a a una eplica i uale dinamica e in eg a a
del bacino id og a ico. In pa icola e, la sua implemen azione in o ma ica o imizza a pe le p es azioni e la sua
a chi e u a modula e consen ono di c ea e e in eg a e componen i ad hoc, sia pe app esen a e p ocessi isici
speci ici (es. ca sismo, dinamiche glaciali), sia pe la ges ione a anza a del da o (es. moduli di machine lea ning
pe il p e-p ocessing o il pos -p ocessing), pe me endo di pe sonalizza e le componen i del modello pe ogni
speci ico p oge o. Il p esen e con ibu o illus a l’applicazione del modello pe il bacino id og a ico del iume
A no, un sis ema lu iale di c uciale impo anza nazionale.
La me odologia ado a a pe la cos uzione del modello del iume A no ha p e is o le seguen i asi:
1. Es azione geomo ologica e c eazione della g iglia (mesh) di calcolo: a pa i e da Modelli
Digi ali del Te eno (DTM), è s a a de ini a la disc e izzazione spaziale del bacino, iden i icando la
e e id og a ica e suddi idendo il e i o io in Uni à di Rispos a Id ologica (HRU) elemen a i.
2. Raccol a e p ocessamen o da i me eo-id ologici: sono s a e acquisi e, alida e e p ocessa e
se ie s o iche di da i di p ecipi azione, empe a u a e po a a ad al a isoluzione empo ale.
Pa icola e a enzione è s a a pos a alla pulizia dei da i, al iempimen o dei da i mancan i e
all’in e polazione spaziale delle o zan i me eo ologiche.
3. Implemen azione e calib azione del modello id ologico semi-dis ibui o: è s a o cos ui o un
modello isicamen e basa o, con igu a o sulla mesh di calcolo che s u ando la sua modula i à,
pe me e di simula e le p incipali componen i del ciclo dell’acqua. La calib azione dei pa ame i è
s a a e e ua a con on ando le po a e simula e con quelle osse a e in di e se sezioni s umen a e
lungo l’as a p incipale e gli a luen i. Ques o app occio mul i-id ome ico ha pe messo di calib a e
p og essi amen e le di e se po zioni del bacino, p opagando l’in o mazione da mon e e so alle e
a inando la app esen azione dei p ocessi id ologici nelle a ie so ouni à, ino alla sezione di
chiusu a di San Gio anni alla Vena.
I isul a i o enu i dalla ase di calib azione dimos ano l’ele a a capaci à del modello s iluppa o nel ip odu e
il egime id ologico del bacino dell’A no. Pe la sezione di chiusu a di San Gio anni alla Vena, i alo i di KGE
(Tabella 1) supe ano 0,9 su di e se scale empo ali (da o a ia a annuale), indicando una buona co ispondenza
a de lussi simula i e osse a i. L’analisi dei bilanci id ologici annuali ha inol e pe messo di alida e la coe enza
in e na dei da i u ilizza i e di quan i ica e le p incipali componen i del ciclo id ologico pe il pe iodo s o ico di
i e imen o.
I isul a i così gene a i app esen ano una solida base conosci i a pe :
• comp ende e in de aglio i pa e n di ica ica e la ispos a id ologica del sis ema;
• alu a e la disponibili à id ica s o ica e iden i ica e e en uali end di s ess id ico;
• s abili e una baseline obus a pe la alu azione degli impa i dei cambiamen i clima ici.
Inol e, ap e la s ada a u u e implemen azioni pe sis emi di alle a delle piene ( lood o ecas ing), pe la
45
alu azione del ischio sicci à e pe una ges ione ope a i a delle iso se id iche più ea i a e in o ma a. Il la o o
p esen a o con ibuisce quindi alla piani icazione e ges ione sos enibile delle iso se id iche, o nendo una
pia a o ma modellis ica a anza a pe suppo a e i p ocessi decisionali.
Tabella 1. KGE calcola o a la po a a simula a e quella osse a a pe agg egazioni o a ie, gio nalie e, mensili e annuali
all’id ome o di San Gio anni alla Vena (A no)
Me ica
O a io
Gio nalie o
Mensile
Annuale
KGE
0.90
0.91
0.95
0.9
Ring aziamen i
Ques a ice ca è s a a s iluppa a nell’ambi o del p oge o “RETURN - mul i-Risk sciEnce o esilienT comUni ies
undeR a changiNg clima E” e ha ice u o ondi dal Piano Nazionale di Rip esa e Resilienza (Mission 4,
Componen 2, In es emen 1.3-D.D. 1243 2/8/2022, PE0000005).
46
Applicazione del sis ema id ologico GEO ame pe la s ima di
endenze di sicci à in un con es o medi e aneo: applicazione
sul bacino del C a i nell'ambi o del p oge o Ag iclima
Ricca do Bus i1*, Daniela Biondi2, Giuseppe Fo me a1
1 DICAM, Uni e si à degli S udi di T en o, T en o
2 DIMES, Uni e si à della Calab ia, Cosenza
*e-mail: [email p o ec ed]
Somma io
La c escen e ulne abili à dei bacini medi e anei agli e e i del cambiamen o clima ico ichiede s umen i
modellis ici a anza i pe alu a e la a iazione della disponibili à id ica e le dinamiche degli e en i es emi. In
ques o s udio iene applica o il modello id ologico semi-dis ibui o GEO ame al bacino del iume C a i, in
Calab ia, pe simula e e analizza e i p ocessi id ologici chia e nel pe iodo s o ico 2000–2023. Vengono u ilizza i
di e si da ase me eo ologici comp enden i s azioni a e a e/o ianalisi pe app esen a e le p ecipi azioni e le
empe a u e. Il modello ip oduce p ocessi come accumulo e usione della ne e, in e ce azione, dinamiche
dell’umidi à del suolo, de lusso supe iciale e so e aneo, nonché la egolazione id ica do u a alla p esenza di
dighe. La calib azione e alidazione sono condo e sulle po a e osse a e nelle s azioni di misu a, men e la
alidazione dell’umidi à del suolo è e e ua a con da i s o ici sa elli a i o in si u. Vengono s ima i di conseguenza
i bilanci id ici e gli indici di sicci à id ologica e me eo ologica di po a e e p ecipi azioni al ine di iden i ica e e
analizza e gli e en i asco si di sicci à.
Figu a 1. Inquad amen o del bacino del iume C a i
47
The GEO ame sys em deploymen o he wa e budge
quan i ica ion in he eas e n moun ain a ea o he Po i e basin
Gaia Roa i1,2*, Ma co B ian1, Giuseppe Fo me a3, Shima Azimi2, Hossein Salehi2, Daniele And eis2,
John Mohd Wani2, F ancesco To na o e1, Ricca do Rigon2,3
1 Po Ri e Basin Dis ic Au ho i y, Pa ma, I aly
2 Cen e Ag icul u e Food En i onmen (C3A), Uni e si y o T en o (T en o, I aly)
3 Depa men o Ci il, En i onmen al and Mechanical Enginee ing (DICAM), Uni e si y o T en o (T en o), I aly
*e-mail: [email p o ec ed]
Abs ac
As obse ed in ecen yea s, ex eme e en s, such as loods and d ough s, ha e been epo ed o be mo e
likely due o clima e change and en i onmen al modi ica ions, and I aly in pa icula , expe ienced mo e equen
and in ense d ough e en s, wi h an excep ionally se e e d ough in 2022.
In esponse o hese hyd ological phenomena and o ad ance he cu en nume ical modeling amewo k o
wa e esou ce managemen , he Po Ri e Basin Dis ic Au ho i y (ADBPO) ini ia ed he deploymen o he
GEO ame modelling sys em ac oss he en i e dis ic ’s e i o y in 2021. This implemen a ion aims o enhance
he spa ially and empo ally dis ibu ed quan i ica ion and o ecas o wa e a ailabili y wi hin he dis ic .
The GEO ame modelling sys em (Fo me a e al., 2014) is a comple ely open-sou ce semi-dis ibu ed
concep ual model, de eloped by a scien i ic in e na ional communi y led by he Uni e si y o T en o,
cha ac e ized by a high modula i y and lexibili y.
Following he spa ial in e pola ion o me eo ological da a and he geomo phological analysis, he model
enables he simula ion o all componen s o he hyd ological balance, including e apo anspi a ion, snow
accumula ion, wa e s o age, and uno .
The model uses he 1991–2020 pe iod as i s e e ence ime ame. All he simula ions a e ca ied ou wi hin
he Hyd ological Response Uni s (HRUs), namely he subbasins iden i ied h ough geomo phological analysis.
The selec ed le el o de ail was chosen as a good balance be ween simula ion accu acy and he
compu a ional esou ces equi ed, bu can be inc eased on demand.
Acco dingly, model pa ame e calib a ion was pe o med using a “zonal calib a ion” app oach, which means
a calib a ion whe e he pa ame e s we e op imised sepa a ely o dis inc hyd ome ic s a ions ac oss he basin.
As his ep esen s he mos compu a ionally in ensi e phase o model implemen a ion, a ep esen a i e h ee-
yea hyd ological pe iod was selec ed based on he a ailabili y and con inui y o discha ge da a ac oss di e en
egions o he dis ic . Calib a ion employed he Kling-Gup a E iciency (KGE) me ic, aiming o iden i y he
op imal se o model pa ame e s ha bes ep oduces he obse ed discha ge dynamics, minimising, hen, he
disc epancy be ween simula ed wa e discha ge e olu ion in ime and measu ed hyd og aphs.
The calib a ion p ocess ollows a hie a chical app oach, whe e he pa ame e s se s o ups eam hyd ome ic
s a ions, once calib a ed, a e held ixed du ing he subsequen calib a ion o he downs eam s a ions o
p ese e ups eam low dynamics and ensu e model consis ency along he i e ne wo k.
The calib a ion o he model was ini ia ed in he Valle d’Aos a egion, co esponding o he uppe mos sec ion
o he dis ic , and sys ema ically ad anced downs eam h ough he Piemon e, Emilia-Romagna, and
Lomba dia egions. E en i he GEO ame model will hen be applied o he whole Dis ic , he ac ual s udy a ea
is he only Po Ri e Basin, namely he Dis ic up o Pon elagoscu o (FE) closu e sec ion. This a ea con ains
app oxima ely 150 hyd ome ic s a ions; howe e , only a pa o hose hyd ome e s ha e been calib a ed,
acco ding o da a a ailabili y, eliabili y and ep esen a i eness o he wa e balance o each measu ing s a ion.
Mo e in de ail, he calib a ed hyd ome e s a e 11 in Valle d’Aos a, 42 in Piemon e, 44 in Lomba dia, and 30 in
Emilia, ying o ensu e a comp ehensi e ep esen a ion o hyd ological dynamics along he i e con inuum.
Gi en he ex ensi e a ea and he inhe en complexi y o he s udy domain, bo h in e ms o hyd ological
a iabili y and spa ial dis ibu ion o hyd ome ic s a ions, a ious s a egies and me hodological adjus men s
we e es ed o enhance calib a ion pe o mance and compu a ional e iciency.
In he Emilia-Romagna egion, calib a ion e o s ocused p ima ily on hyd ome e s loca ed in he moun ainous
sec o s, whe e s eam low is less in luenced by an h opogenic ac o s such as wi hd awals and ese oi
egula ion. Howe e , he in e mi en na u e o he discha ge egime in his a ea, cha ac e ized by al e na ing
low- low condi ions and sha p lood peaks, posed signi ican challenges o achie ing obus calib a ion esul s.
Subsequen ly, he calib a ion p ocess p oceeded o he ups eam po ion o he Lomba dia egion, ex ending
o some hyd ome e s in Piemon e, T en o P o ince, and Swi ze land, since hese s a ions a e loca ed on i e
48
sys ems d aining in o h ee majo egula ed lakes in Lomba dia: Lago Maggio e, Lago di Como, and Lago di
Ga da, o be e en ually comple ed using he da a o he ou low om he lakes down o he con luence wi h he
main Po s eam.
Speci ically, simula ed and obse ed wa e olumes we e compu ed and compa ed a key closu e poin s,
co esponding o he mos downs eam hyd ome ic s a ions wi hin a subbasin. Following his s ep, calib a ion
e o s we e ex ended o include hyd ome e s loca ed downs eam o majo lakes, ocusing on hose iden i ied
as he mos eliable by he local egional en i onmen al au ho i y (ARPA Lomba dia). Le e aging he ull
capabili ies o he GEO ame modelling sys em, all componen s o he hyd ological balance we e simula ed.
This allowed o an assessmen o he e ec s o wa e sca ci y on ag icul u al sys ems ac oss he basin.
To enhance he model’s accu acy, he snow componen will be u he e ined and in eg a ed wi h imp o ed
pa ame e isa ion, namely, calib a ing he GEO ame snow module wi h espec o he Snow Wa e Equi alen
(SWE) maps p oduced by Dall’Amico e al. (2025), as pa o he ADBPO's b oade e o o cha ac e ise he
hyd ology o he dis ic . A e his i s calib a ion p ocess, he “ egula ” calib a ion, based on he compa ison o
simula ed and measu ed wa e discha ge, will ake place, conside ing he snow pa ame e s se as ixed.
The i s esul s o his p ocess will be p esen ed and analysed in his wo k.
This ongoing de elopmen will u he imp o e he GEO ame capabili y o simula e all he wa e balance
componen s. He e we p esen , in pa icula , he enhancemen s in simula ing he snow wa e equi alen and he
snow co e . Snow is, in ac , a key componen o he hyd ological cycle in moun ainous and high-la i ude
egions, unc ioning as a p ima y ese oi o p ecipi a ion and egula ing downs eam low ac oss a ange o
empo al scales— om daily luc ua ions o seasonal ends. This egula o y unc ion is impo an , especially
du ing summe mon hs and ex ended d y pe iods, no ably in he Po Ri e Basin, whe e alpine snowmel plays
a signi ican ole in sus aining i e discha ge. In alpine en i onmen s, he spa ial and empo al dis ibu ion o
snow can s ongly in luence egional hyd ology, wi h p onounced e ec s on bo h ecosys em dynamics and he
managemen o wa e esou ces.
The modula s uc u e o he GEO ame model acili a ed a collabo a i e app oach du ing he calib a ion
phase, educing he ime equi ed and enhancing o e all e iciency. This collabo a i e e o included he
exchange o esul s, calib a ion s a egies, and me hodologies, which ul ima ely con ibu ed o a mo e obus
analysis o wa e a ailabili y, pa icula ly in he moun ainous egions o Emilia-Romagna and Lomba dia.
O e all, he model’s pe o mance has been e alua ed ac oss a ious e i o ies and basins wi hin he Po Ri e
Dis ic , enabling a ho ough assessmen o he wa e cycle componen s and wa e olumes a selec ed
e i ica ion closu e poin s anging om days o annual ime scales. Addi ionally, he implemen a ion o he snow
componen was u he imp o ed and alida ed by compa ing he ini ial discha ge es ima es—de i ed om he
p elimina y calib a ion—wi h hose ob ained a e he i s calib a ion o snow pa ame e s in he Valle d’Aos a
basin.
Re e ences
Abe a W., Fo me a G., Bo ga M., Rigon R. (2017). Es ima ing he wa e budge componen s and hei a iabili y
in a p e-alpine basin wi h JG ass-NewAGE. Ad ances in Wa e Resou ces, 104, pp. 37-54.
Banche i M., Rigon R., Man eda S. (2020). The GEO ame-NewAge Modelling Sys em Applied in a Da a
Sca ce En i onmen . Wa e , 12(1), 86.
Dall’Amico, M., Tasin, S., Di Paolo, F. (2025). 30-yea s (1991-2021) Snow Wa e Equi alen Da ase in he Po
Ri e Dis ic , I aly. Sci Da a 12, 374.
Fo me a, G., Kamp , S. K., Da id, O., and Rigon, R. (2014). Snow wa e equi alen modeling componen s in
NewAge-JG ass. Geoscien i ic Model De elopmen , 7, pp. 725–736.
Gup a H. V., Kling H., Yilmaz K. K., Ma inez G. F. (2009). Decomposi ion o he mean squa ed e o and NSE
pe o mance c i e ia: Implica ions o imp o ing hyd ological modelling, Jou nal o Hyd ology, Volume 377,
Issues 1–2, pp. 80-91.
Pan X., Li X., Cheng G., Li H., & He X. (2015). De elopmen and e alua ion o a Ri e -Basin-scale high Spa io-
empo al p ecipi a ion da a se using he WRF model: A case s udy o he Heihe Ri e Basin. Remo e
Sensing, 7, pp. 9230-9252.
Zano i F., End izzi S., Be oldi G., & Rigon R. (2004). The GEOTOP snow module. Hyd ological P ocesses, 18,
pp. 3667-3679.
49
RIVERTEMP classi ie : un nuo o web ool pe iden i ica e e
classi ica e i iumi non pe enni
Paolo Vezza1, Isabelle B iche o1, Ca mela Ca allo2*, Ch is ina Dolianidi3, Almudena González
Cos as4, Anas asios Ka akos as5, Nikos Nikolaidis5, Ma ia Lilli5, Giamma co Man eda1, Gio anni
Neg o1, Guille mo Palau-Sal ado 6, Ma ia Nicolina Papa2, Ca les Sanchis-Ibo 6, Spi os
Tsalageo gos3
1 Poli ecnico di To ino, To ino, I alia
2 Uni e si à di Sale no, Sale no, I alia
3 DRAXIS En i onmen al SA, Thessaloniki, G ecia
4 FEMXA, Vigo, Spagna
5 Uni e si à Tecnica di C e a, Chania C e a, G ecia
6 Poli ecnico di Valencia, Valencia, Spagna
*e-mail: [email p o ec ed]
Somma io
I iumi non pe enni (non-pe ennial i e s; NPRs) sono es emamen e di usi a li ello globale e si s ima che
una quo a semp e maggio e della e e lu iale sme e à di sco e e egola men e nei p ossimi decenni a causa
dei cambiamen i clima ici e dei p elie i id ici (Message e al., 2021). Nonos an e la lo o ampia dis ibuzione, il
moni o aggio e gli s udi si sono adizionalmen e concen a i sui iumi pe enni, ascu ando in g an pa e quelli
non pe enni (Da y e al., 2014). Inol e, le s azioni di misu a id ome iche adizionali non consen ono di
misu a e in modo a idabile le po a e p ossime o uguali a ze o in al ei con mo ologia complessa e non
pe me ono di ile a e l’e en uale p esenza di pozze isola e, condizione signi ica i a dal pun o di is a ecologico
(Zimme e al., 2020; Ca allo e al., 2022). Ques o ha de e mina o una o e ca enza di in o mazioni sulla
dis ibuzione dei a i non pe enni nel e icolo id ologico e sulla du a a dei pe iodi di secca (o e o assenza di
acqua supe iciale) o di s agnazione (p esenza di pozze isola e) (Ca allo e al., 2022; Ca allo e al., 2025).
Recen emen e Ca allo e al. (2022) hanno s iluppa o un me odo pe la de e minazione del egime di
in e mi enza dei NPRs basa o sulla gene azione di immagini in alsi colo i, o enu e dalla combinazione delle
bande SWIR, NIR e RED del da o mul ispe ale Sen inel-2 dell’Agenzia Spaziale Eu opea (ESA). Tali immagini
pe me ono di dis ingue e con chia ezza le a ee occupa e dall’acqua ispe o alle al e ipologie di cope u a del
suolo p esen i nel co idoio lu iale, consen endo così di iden i ica e una delle e possibili condizioni di lusso:
“Flusso con inuo” (o "Flowing"), ca a e izza a da un de lusso supe iciale con inuo, (ii) “S agnazione” (o
“Ponding”), in cui la supe icie bagna a è limi a a a pozze d'acqua isola e non connesse a lo o, e (iii) Secca (o
"D y"), in cui il le o del iume è ca a e izza o da assenza di acqua supe iciale. Alcuni esempi di immagini in
alsi colo i sono ipo a i nelle Figu e a, b e c.
Nell’ambi o del p oge o E asmus+ RIVERTEMP è s a a s iluppa a una pia a o ma web inno a i a che
implemen a il me odo p opos o da Ca allo e al. (2022), o endo così uno s umen o a anza o e use - iendly
pe l’osse azione e la ca a e izzazione dei NPRs. Una ol a e e ua o l’accesso ami e login, l’u en e è guida o
a a e so una sequenza di asi ope a i e: (1) accede a una mappa globale della e e lu iale pe indi idua e i
a i di NPRs di in e esse; (2) disegna poligoni geo e e enzia i pe delimi a e l’a ea lu iale di in e esse; (3)
sceglie l’in e allo empo ale da analizza e; (4) classi ica le immagini sa elli a i Sen inel-2 disponibili,
assegnando a ciascuna una delle e condizioni di lusso (Flowing, Ponding o D y). In caso di cope u a nu olosa
che impedisce l’osse azione dell’al eo l’immagine e à e iche a a come “Cloudy” ed esclusa dalle analisi
successi e. Qualo a l’u en e disponga di da i accol i du an e a i i à di campo, come o og a ie geolocalizza e
o immagini acquisi e da d one, ques i ma e iali possono esse e ca ica i di e amen e nella pia a o ma pe
con on a e le osse azioni sa elli a i con quelle accol e in campo. Sulla base della classi icazione
supe isiona a esegui a dall’u en e, il sis ema gene a au oma icamen e la se ie empo ale delle condizioni di
lusso, pe me endo la ca a e izzazione dei a i lu iali in unzione della equenza e della du a a delle di e se
condizioni osse a e. T a le unzionali à disponibili i è anche la possibili à di es a e g a ici iepiloga i i delle
condizioni di lusso, come illus a o nella Figu a g, e la classi icazione degli id o ipi secondo Munné e al. (2021),
ipo a a in Figu a h. Ques a me odologia è a ualmen e in eg a a nei co si di id ologia e ingegne ia lu iale
o e i dalle qua o uni e si à pa ne del p oge o RIVERTEMP. L’accesso alla pia a o ma è g a ui o e sono
disponibili ma e iali dida ici dedica i e un manuale d’uso.
50
Figu e 1. In igu a sono ipo a e le immagini (a), (b) e (c) in alsi colo i, app esen a i e delle condizioni di lusso Ponding,
D y e Flowing, con e ma e dalle o o geolocalizza e co isponden i in (d), (e) e ( ). L’immagine (g) mos a la se ie
empo ale delle condizioni di lusso, men e (h) mos a il g a ico ela i o agli id o ipi, en ambi p odo i dalla pia a o ma
web.
La pia a o ma web consen e di a chi ia e le immagini sa elli a i classi ica e, insieme ai ela i i me ada i,
all’in e no di un sis ema in o ma i o geog a ico (GIS), basa o sul da abase open-sou ce Pos g eSQL. L’in e o
da ase è acilmen e consul abile a a e so la pia a o ma s essa da pa e di chiunque sia in e essa o. Ad oggi,
g azie al con ibu o degli s uden i e delle s uden esse uni e si a ie coin ol e nel p oge o RIVERTEMP, sono
s a i analizza i e classi ica i ol e 300 km di iumi non pe enni dis ibui i nell’Eu opa me idionale. L’app occio
p opos o pe me e di iden i ica e e mappa e i NPRs, consen endo di quan i ica e la dinamica dell’in e mi enza
del lusso all’in e no delle e i lu iali e di suppo a e lo s iluppo di s a egie e icaci pe la ges ione e la
conse azione di ques i ecosis emi.
Bibliog a ia
Ca allo, C., Papa, M. N., Neg o, G., Ga giulo, M., Ruello, G., & Vezza, P. (2022). Exploi ing Sen inel-2 da ase
o assess low in e mi ency in non-pe ennial i e s. Scien i ic Repo s, 12(1), 21756.
Ca allo, C., Sa no, L., Papa, M. N., Neg o, G., Vezza, P., Ruello, G., & Ga giulo, M. (2025). Es ima ing d y bed
pe iods in non-pe ennial i e s using Sen inel-2 sa elli e da a. Jou nal o Hyd ology, 133416.
Da y, T., La ned, S. T., & Tockne , K. (2014). In e mi en i e s: a challenge o eshwa e ecology. BioScience,
64(3), pp. 229- 235.
Message , M. L., Lehne , B., Cockbu n, C., Lamou oux, N., Pella, H., Snelde , T., ... & Da y, T. (2021). Global
p e alence o non-pe ennial i e s and s eams. Na u e, 594(7863), pp. 391-397.
Munné, A., Bonada, N., Cid, N., Galla , F., Solà, C., Ba dina, M., ... P a , N. (2021). A p oposal o classi y and
assess ecological s a us in Medi e anean empo a y Ri e s: Resea ch insigh s o sol e managemen
needs. Wa e , 13(6), 767.
Zimme , M. A., Kaise , K. E., Blaszczak, J. R., Zippe , S. C., Hammond, J. C., F i z, K. M., ... & Allen, D. C.
(2020). Ze o o no ? Causes and consequences o ze o‐ low s eam gage eadings. Wiley In e disciplina y
Re iews: Wa e , 7(3), e1436.
51
Compa ing he pe o mance o s a is ical models in seasonal
s eam low o ecas ing: he case s udy o he Ime a Me idionale
Ri e Basin, Sicily, I aly
Shewandagn Lemma Tekle1,2*, B unella Bonacco so2, Mohamed Naim1,2
1 Ad anced S udies, IUSS Pa ia, Pa ia, I aly
2 Depa men o Enginee ing, Uni e si y o Messina, Messina, I aly
*e-mail: [email p o ec ed]
Abs ac
Seasonal s eam low o ecas ing is c ucial o in o med decision-making o achie e sus ainable wa e
managemen in a changing clima e. In his s udy, we compa ed a ious s a is ical models applied o o ecas ing
season-ahead in lows o he Oli o ese oi , which is mainly used o i iga ion pu poses. The pe o mance o
i e s a is ical models, such as P incipal Componen Reg ession (PCR) (Li e al., 2010) Pa ial Leas Squa es
eg ession (PLSR) (Liu e al., 2022; Thien & Yeo, 2022), Locally Weigh ed P incipal Componen Reg ession
(LW-PCR) (Xu e al., 2022), Locally Weigh ed Pa ial Leas Squa es Reg ession (LW-PLSR) (Zhang e al., 2020),
and Random Fo es Reg ession (Sun e al., 2020) was assessed in e ms o capabili y, simplici y, and lexibili y.
These models ha e been implemen ed o o ecas s eam low da a o h ee consecu i e seasons (Fall SON,
Win e DJF, and Sp ing MAM) om 1993 o 2023. The lea e-one-ou c oss- alida ion (LOOCV) was applied in
he uning o he espec i e model pa ame e s (Lumumba e al., 2024). In PCR and PLSR, LOOCV is applied
o selec he op imum numbe o componen s, while in LW-PCR and LW-PLSR, LOOCV is applied o bo h selec
he numbe o componen s and o une he locali y pa ame e o bandwid h. In he case o Random Fo es
eg ession, se e al pa ame e s, such as he numbe o ees, a e also uned and op imized based on he model’s
p edic ion e o (P obs e al., 2019). Global p edic o s a e selec ed based on he co ela ion analysis be ween
in si u seasonal in low da a a ailable a wo gauges wi h global g ided clima ic a iables such as Sea Su ace
empe a u e (SST), Sea le el p essu e (SLP), Geopo en ial heigh , nea su ace (850 hp) speci ic humidi y, nea
su ace (850 hp) ai empe a u e, Me idional winds, and Zonal winds using he NOAA clima e plo ing and
analysis ool (Table).
Table 1. Selec ed global and local p edic o s o he h ee consecu i e seasons
SON Season
DJF Season
MAM Season
P edic o s
Co ela ion
P edic o s
Co ela ion
P edic o s
Co ela ion
Geopo en ial Heigh
0.39
Ai Tempe a u e
-0.45
Zonal Wind
-0.55
Speci ic Humidi y
-0.42
Me idional Wind 1
0.44
SST 1
0.42
Ai Tempe a u e 1
-0.53
Me idional Wind 2
-0.43
Me idional Wind
0.44
Ai Tempe a u e 2
-0.42
Me idional Wind 3
0.56
Ai Tempe a u e
-0.50
Sea Le el P essu e
0.40
SST
-0.41
Speci ic Humidi y
0.59
SST 1
0.43
Speci ic Humidi y
-0.43
SST 2
0.40
Soil Mois u e
0.53
Zonal Winds 1
0.55
S eam low
0.46
S eam low
0.46
Zonal Winds 2
-0.41
Obse ed
P ecipi a ion
0.62
NAO
0.30
Obse ed P ecipi a ion
0.32
Regions wi h s a is ically signi ican co ela ion alues we e iden i ied in he icini y o he selec ed case s udy,
and a ea-weigh ed a e age ime se ies o he a iables we e ex ac ed o be used as p edic o s. Addi ionally,
p e-season alues o se e al eleconnec ion indices we e co ela ed wi h he seasonal his o ical s eam low
da a, and indices wi h s a is ically signi ican co ela ion alues we e e ained as po en ial p edic o s (Table 1).
Fo local condi ions, local a iables such as soil mois u e, bo h o ecas ed and obse ed ain all, and p e-season
52
s eam low we e co ela ed wi h he seasonal s eam low da a o e ain local a iables wi h s a is ically signi ican
co ela ion alues. Finally, he a iance in la ion ac o (VIF) was applied o educe he numbe o p edic o s by
emo ing highly collinea p edic o s. The esul s indica ed ha all i e models a e capable o adequa ely
p edic ing he seasonal s eam low. Howe e , ega dless o hei high compu a ional cos s, he LW-PCR and
LW-PLSR a e mo e lexible and ha e shown be e pe o mance and lexibili y o handle non-linea ela ionships
be ween he esponse and explana o y a iables.
Acknowledgemen s
This s udy was pa ially unded by he Nex Gene a ion EU, Mission 4, Componen 2, In es men 1.1 - P in 2022
PNRR Call - DD n. 1409 14-09-2022. P ojec INno a i e FO ecas -in o med RESe oi ope a ions o
sus ainable use o wa e esou ces and clima e change adap a ion (INFORES) - CUP J53D23019320001.
Re e ences
Li, H. D., Liang, Y. Z. and Xu, Q. S., 2010. Unco e he pa h om PCR o PLS ia elas ic componen eg ession.
Chemome ics and In elligen Labo a o y Sys ems, 104(2), 341–346
Liu, C., Zhang, X., Nguyen, T. T., Liu, J., Wu, T., Lee, E. and Tu, X. M., 2022. Pa ial leas squa es eg ession
and p incipal componen analysis: Simila i y and di e ences be ween wo popula a iable educ ion
app oaches. In Gene al Psychia y (Vol. 35, Issue 1). BMJ Publishing G oup
Lumumba, V., Kip o ich, D., Mpaine, M., Makena, N. and Ka i a, M., 2024. Compa a i e Analysis o C oss-
Valida ion Techniques: LOOCV, K- olds C oss-Valida ion, and Repea ed K- olds C oss-Valida ion in
Machine Lea ning Models. Ame ican Jou nal o Theo e ical and Applied S a is ics, 13(5), 127–137
P obs , P., W igh , M. N. and Boules eix, A. L., 2019. Hype pa ame e s and uning s a egies o andom o es .
In Wiley In e disciplina y Re iews: Da a Mining and Knowledge Disco e y (Vol. 9, Issue 3). Wiley-Blackwell
Sun, D., Wen, H., Wang, D. and Xu, J., 2020. A andom o es model o landslide suscep ibili y mapping based
on hype pa ame e op imiza ion using Bayes algo i hm. Geomo phology, 362
Thien, T. F. and Yeo, W. S., 2022. A compa a i e s udy be ween PCR, PLSR, and LW-PLS on he p edic i e
pe o mance a di e en da a spli ing a ios. Chemical Enginee ing Communica ions, 209(11), 1439–1456
Xu, K., Fan, B., Yang, H., Hu, L. and Shen, W., 2022. Locally Weigh ed P incipal Componen Analysis-Based
Mul imode Modeling o Complex Dis ibu ed Pa ame e Sys ems. IEEE T ansac ions on Cybe ne ics,
52(10), 10504–10514
Zhang, X., Wei, C. and Song, Z., 2020. Fas Locally Weigh ed PLS Modeling o La ge-Scale Indus ial
P ocesses. Indus ial and Enginee ing Chemis y Resea ch, 59(47), 20779–20786
53
An Open-Sou ce Tool o Gene a ing Hou ly Syn he ic
S eam low Se ies in Ungauged Basins Using Regional Flow-
Du a ion Cu es
Alan Spadoni1*, Rosanna Fo aci2, Michele Di Lo enzo2, Tommaso Simonelli3, A ilio Cas ella in2
1 Depa men o Ci il, Chemical, En i onmen al and Ma e ials Enginee ing, Uni e si y o Bologna, Bologn, I aly
2 Hyd o-Me eo-Clima e Se ice o he Regional Agency o P e en ion, En i onmen and Ene gy, Bologna, I aly
3 Hyd aulic Risks Assessmen and Managemen Se ice o he Po Ri e Basin Au ho i y, Pa ma, I aly
*e-mail: [email p o ec ed]
Abs ac
S a is ical egionaliza ion o s eam low p edic ion in ungauged ca chmen s is a p oli ic esea ch a ea. While
nume ous ee and open-sou ce so wa e (FOSS) ools exis o p edic ing egional low-du a ion cu es (FDCs)
a ungauged si es, a gene al FOSS ool speci ically designed o gene a e con inuous s eam low se ies om
hese FDCs is s ill lacking. This s udy in oduces FDC2Q , an R-package de eloped wi hin a collabo a ion
be ween he Uni e si y o Bologna, he Po Ri e Basin Au ho i y (AdBPo), and he Emilia-Romagna Regional
Au ho i y (ARPAE). FDC2Q may be used o gene a e long and hyd ologically plausible syn he ic daily and
hou ly s eam low se ies in ungauged o sca cely gauged ca chmen s.
FDC2Q adop s a me hodology consis ing o h ee key s eps ou lined below and implemen ed as unc ions in
he package.
• Fi s , a egional pe iod-o - eco d FDC (POR-FDC) o daily s eam lows is p edic ed o he ungauged
si e o in e es (he ea e e e ed o as a ge si e) h ough a egional index- low app oach; he
app oach es ima es he cu e as he p oduc be ween he long- e m a e age s eam low, 𝜇𝑄, and a
egional dimensionless FDC (Cas ella in e al., 2004). 𝜇𝑄 is es ima ed by a mul i- eg ession model
based on basin mo phological and clima ic desc ip o s, which in u n is iden i ied using a S epwise
Reg ession Analysis (see panel a) (E oymson, 1960). The egional dimensionless FDC is de ined
as a weigh ed a e age o dimensionless POR-FDC o gauged ca chmen s wi h a leas 5 comple e
yea s o daily s eam low obse a ions (see panel b), whe e he weigh s a e in e sely p opo ional
o he Euclidean dis ance be ween gauged ca chmen s and a ge si e in he mo phoclima ic
desc ip o s space (Bu n, 1990); o educe dimensionali y o he desc ip o s’ space, a P incipal
Componen Analysis is used.
• Second, a daily s eam low se ies is gene a ed a he a ge si e using a non-linea in e pola ion
me hod based on POR-FDCs (Smakh in e al., 1997); a e selec ing a dono gauged ca chmen , o
any gi en day in he dono si e’s imese ies, he syn he ic daily s eam low a he a ge si e is de ined
as he s eam low associa ed wi h he same du a ion o he obse ed daily s eam low a he dono
si e (see panel c). The choice o he dono si e depends on he use 's pu pose: i he aim is o
gene a e hyd ologically plausible syn he ic imese ies, he longes daily s eam low se ies in he
egion should be selec ed, whe eas, i one aims a ep oducing his o ical uno condi ions,
p e e ence should be gi en o dono si es showing he highes synch onici y wi h he a ge si e (e.g.
spa ial p oximi y).
• Thi d, i hou ly imese ies a e needed, he syn he ic daily se ies is downscaled o an hou ly ime s ep
using a simple app oach: a polynomial in e pola ion is used o desc ibe lood e en s a hou ly
imescale, while linea in e pola ion is used o low lows. The ising and alling limbs o a lood e en
a e app oxima ed using wo second-o de polynomials hono ing se e al cons ain s: hyd og aph
con inui y ( ela i e o p e ious and subsequen linea ly in e pola ed alues); gi en daily lood
olumes, hou ly lood peak and hyd og aph shape. The hou ly lood peak is ob ained by egionalizing
he hou ly- o-daily peak a io as a unc ion o ime o concen a ion Tc (see panel d), while he
hyd og aph shape combines he egionaliza ion o he ime- o-peak, D, and o he lood olume
educ ion cu e, 𝜀𝐷, o he mean du a ion o lood e en s in he a ge si e 𝐷 (see panel e),
espec i ely (Maione e al., 2003).
Auxilia y unc ions included in he FDC2Q package allow use s o pe o m da a quali y assessmen , by looking
a p ecipi a ion elas ici y o s eam low (Sanka asub amanian e al., 2001) and a he shape o empi ical POR-
60
as e h ough injec ion wells and inc eased as po osi y ose. Unde ansien condi ions, highe po osi y led o
g ea e con aminan di usion (Figu e), al hough mo emen slowed when ansi ioning om he calca eni e o
he limes one laye . These esul s highligh he in luence o li hological p ope ies on pollu an mig a ion.
Geological s uc u es may ac as na u al ba ie s unde ce ain condi ions, helping o limi con aminan sp ead.
The me hodology applied in his s udy allowed o he de elopmen o a concep ual hyd ogeological model o
he ka s aqui e , which was used o simula e mass anspo unde a ying condi ions. This app oach o e ed a
ealis ic ep esen a ion o g oundwa e dynamics, essen ial o managing and mi iga ing pollu ion isks in ka s
sys ems, known o hei high ulne abili y and complex beha iou s. Nume ical modelling p o ed o be a
aluable ool o sys ema ically analysing complex hyd ogeological sys ems, enabling he iden i ica ion o
ulne able zones, such as a eas a ec ed by pollu an plumes o in e se conoids. The indings p o ide
meaning ul guidance o en i onmen al egula ions on pollu an discha ge and can be applied o o he ka s
aqui e con ex s. Gi en he widesp ead dis ibu ion o ka s en i onmen s, his s udy o e s a p ac ical amewo k
o assessing con amina ion isks, suppo ing wa e esou ce p o ec ion and long- e m en i onmen al
sus ainabili y.
Figu e 1. Simula ion o he anspo in ansien s a e. Scena ios o plume end (50% - 70% - 90% limes one po osi y)
Re e ences
Cas iglioni, S., Valsecchi, S., Polesello, S., Rusconi, M., Melisa, M., Palmio a, M., Manen i, A., Da oli, E.,
Zucca o, E., 2015. Sou ces and a e o pe luo ina ed compounds in he aqueous en i onmen and in
d inking wa e o a highly u banized and indus ialized a ea in I aly.
h ps://doi.o g/10.1016/j.jhazma .2014.06.007
Chen, Z., Goldscheide , N., 2014. Modeling spa ially and empo ally a ied hyd aulic beha io o a olded ka s
sys em wi h dominan condui d ainage a ca chmen scale. Jou nal o Hyd ology 514(6): 41-52.
h ps://doi.o g/10.1016/j.jhyd ol.2014.04.005
Dillon, P., S uy zand, P.J., G ischek, T., Liu ia, M., 2018. Six y yea s o global p og ess in managed aqui e
echa ge. Hyd ogeology Jou nal. h ps://doi.o g/10.1007/s10040-018-1841-z
Laza o a, V., Le ine, B., Sack, J., Ci elli, G., Je ey, P., Mun au, H., 2001. Role o wa e euse o enhancing
in eg a ed wa e managemen in Eu ope and Medi e anean coun ies. Wa e Sci. Technol 43: 25–33.
h ps://doi.o g/10.2166/ws .2001.0571
Li, F., Fang, X., Zhou, Z., Liao, X., Zou, J., Yua, B., Sun, W., 2019. Adso p ion o pe luo ina ed acid on o soils:
Kine ics, iso he ms, and in luences o soil p ope ies. h ps://doi.o g/10.1016/j.sci o en .2018.08.209
Pa ise, M., Gunn, J., 2007. Na u al and an h opogenic haza ds in ka s a eas: an in oduc ion. Geological
Socie y, London 279(1): 1-3. h ps://doi.o g/10.1144/sp279.1
Van Genuch en, M., Leij, F., Skaggs, T., To ide, N., B ad o d, S., Pon edei o, E., 2013. Exac analy ical solu ions
o con aminan anspo in i e s Jou nal o Hyd ology and Hyd omechanics 61(3):250-259.
h ps://doi.o g/10.2478/johh-2013-0032
61
U ban aqui e echa ge and con amina ion by leaking sewe s: a
compa a i e analysis o di e en modeling app oaches
And ea D’Aniello*, Dina Pi one, Luigi Cimo elli, Domenico Pianese
Depa men o Ci il, A chi ec u al and En i onmen al Enginee ing, Uni e si y o Naples Fede ico II, Napoli, I aly
*e-mail: [email p o ec ed]
Abs ac
Unin en ional echa ge by leaking sewe s can ha e de imen al consequences on u ban aqui e s, like he
di usion o pa hogens, soil and g oundwa e con amina ion, and he occu ence o dange ous in e ac ions wi h
shallow and deep an h opogenic al e a ions (A a d e al., 2016; S idha and Pa imala enganayaki, 2024).
The e o e, al hough challenging, p edic ing he a e o sewe leaks and sewe -bo ne con aminan s in he
subsu ace is a p essing need.
Wa e balance calcula ions, indi ec es ima es, and a a ie y o physically based nume ical models ha e been
used o assess he a e o sewe leaks in he subsu ace and o quan i y hei con ibu ion o u ban aqui e
echa ge. Fewe s udies modeled he mig a ion o sewe -bo ne con aminan s in he subsu ace as a esul o
pipe leakage. Due o he complexi y o he u ban subsu ace, he scale o he p oblem, he high nonlinea i y o
he physical phenomena in ol ed, and he associa ed compu a ional bu den, modeling e o s cu en ly
a ailable in li e a u e in oduced one o mo e o he ollowing simpli ica ions: a 2D schema iza ion o he p oblem;
s eady-s a e simula ions; absence o simpli ica ion o unsa u a ed zone modeling; absence o an h opogenic
al e a ions in he subsu ace; ixed leak a es; ixed con aminan concen a ion in he leaked e luen o he
adop ion o a ixed con aminan mass lux, hus neglec ing con aminan anspo wi hin he sewe ne wo k.
Suppo ed by a semi-dis ibu ed hyd ological analysis o he combined sewe ne wo k and o he o e lying
ca chmen o an u ban dis ic , his wo k explo ed how di e en subsu ace low modeling app oaches can
p edic he a e o sewe leaks and o sewe -bo ne con aminan s in he subsu ace. The US En i onmen al
P o ec ion Agency S o m Wa e Managemen Model - SWMM (Rossman and Simon, 2022) is used as su ace
low model, sewe ex il a ion a he bo om o sewe pipes is modeled using Da cy’s law (Ellis e al., 2009),
whe eas COMSOL Mul iphysics® (COMSOL, 2024) is used as subsu ace low model. Th ee di e en high
esolu ion physically based modeling app oaches we e compa ed. All o hem p o ided a 3D ansien and
coupled simula ion o he mig a ion o sewe leaks and o ela ed con aminan s, bu wi h a di e en le el o de ail
o he physics ep oduced. Ca bamazepine (CBZ), a commonly p esc ibed d ug used o ea igeminal
neu algia and o con ol seizu es in he ea men o epilepsy and bipola diso de s, is chosen as he e e ence
sewe -bo ne con aminan , as i is widely used and app o ed as a s able indica o o sewe con amina ion o
g oundwa e (Wol e al., 2012).
Resul s showed ha physically consis en modeling o hese phenomena is possible and easible a la ge
scales. A ew hou s we e equi ed o simula e he a e o sewe leaks and o CBZ in he subsu ace o e a ime
ame o 2 yea s, e en including all aspec s ha a e ypically only accoun ed o sepa a ely in o he modeling
s udies, like he p esence o he unsa u a ed zone, he accu a e ep esen a ion o 3D pipe geome ies, he
p esence o an h opogenic al e a ions ha can al e sewage and con aminan mig a ion, he compu a ion o
ex il a ion a es and con aminan luxes based on was ewa e /s o mwa e low wi hin he pipes and on soil
p essu e heads o e ime, and he p esence o a clogging/colma ion laye wi hin he modeled sewe de ec s.
The h ee di e en physically based modeling app oaches es ed wi hin his wo k showed how c ucial i is o
include a se ies o physical ea u es when modeling sewe leaks and sewe -bo ne con aminan s mig a ion in
he subsu ace. Including unsa u a ed zone modeling is indeed he mos impo an i he sewe ne wo k lies o e
he g oundwa e able. In he selec ed case s udy i akes 2 yea s o sewage and CBZ o ba ely each he
g oundwa e able. Con e sely, he shallow aqui e is immedia ely a ec ed by sewe leaks when he unsa u a ed
zone is no accoun ed o , hus esul ing in local g oundwa e able mounds and con aminan sp eading di ec ly
h ough he aqui e .
62
Figu e 1. P edic ed ex il a ion low a es o e ime om selec ed sewe pipes and ain all dep h o e he ca chmen .
Al hough ime consuming and some imes complex a la ge scales, accu a e ep esen a ion o pipe geome y
is also impo an . Indeed, simpli ying pipe geome y o s aigh lines led o an o e es ima ion o ex il a ion low
a es om 13.7 o 27% on a e age han when pipes a e ep esen ed as 3D objec s, and o abou 14.1% in e ms
o CBZ luxes, hus esul ing in highe con aminan concen a ions in he subsu ace. Fu he mo e, i pipes a e
ep esen ed jus as lines, i is no possible o accoun o he po en ial al e a ions o he mig a ion pa hway o
leaked sewage and con aminan s induced by he p esence o nea by pipes ha may ac as obs acles o accep
sewage h ough in il a ion, o by he p esence o o he an h opogenic ea u es (D’Aniello e al., 2021, 2022).
This p elimina y wo k shows how a wise use o exis ing nume ical models can allow coping wi h all he ele an
phenomena in ol ed in he p edic ion o he a e o sewe leaks and o sewe -bo ne con aminan s in he
subsu ace, wi h e y li le simpli ica ion and wi h easonable compu a ional e o . High esolu ion physically
based nume ical models ep esen a iable op ion o help quan i y he e ec s o sewe leaks on u ban aqui e
echa ge and con amina ion and a powe ul ool o suppo he de ini ion o moni o ing and emedial ac ions o
p ese e an endange ed wa e esou ce.
Acknowledgmen s
This esea ch was inancially suppo ed by he PRIN 2022 PNRR esea ch p ojec Aqui e s Recha ge and
Con amina ion by Leaking Sewe s – ARCLeakS (P ojec numbe P2022BMACR, CUP E53D23017100001),
unded by he Eu opean Union – Nex Gene a ionEU.
Re e ences
A a d, G., Winia ski, T., Rossie , Y. and Eisenloh , L., 2016. Impac o unde g ound s uc u es on he low o
u ban g oundwa e . Hyd ogeology jou nal, 24, 5-19
COMSOL, 2024. Subsu ace Flow Module Use ’s Guide – Ve sion 6.3. COMSOL Mul iphysics.
D'Aniello, A., Cimo elli, L. and Pianese, D., 2021. Leaking pipes and he u ban ka s : a pipe scale nume ical
in es iga ion on wa e leaks low pa hs in he subsu ace. Jou nal o Hyd ology, 603, 126847
D'Aniello, A., Cimo elli, L. and Pianese, D., 2022. U ili y enches: sinks o ba ie s? Modeling he a e o leaked
wa e in a c owded subsu ace. Jou nal o Hyd ology, 612, 128303
Ellis, J. B., Re i , D. M., Volle sen, J. and Blackwood, D. J., 2009. Sewe ex il a ion and he colma ion laye .
Wa e Science and Technology, 59(11), 2273-2280
Rossman, L. A., and Simon, M. A., 2022. S o m Wa e Managemen Model Use ’s Manual Ve sion 5.2. U.S.
En i onmen al P o ec ion Agency, 26 Ma in Lu he King D i e, Cincinna i, OH 45268.
S idha , D., and Pa imala enganayaki, S., 2024. A comp ehensi e e iew on g oundwa e con amina ion due
o sewe leakage: sou ces, de ec ion echniques, heal h impac s, mi iga ion me hods. Wa e , Ai , & Soil
Pollu ion, 235(1), 56
Wol , L., Zwiene , C., and Zemann, M., 2012. T acking a i icial swee ene s and pha maceu icals in oduced
in o u ban g oundwa e by leaking sewe ne wo ks. Science o he To al En i onmen , 430, 8-19
63
Indi iduazione delle pe di e ogna ie ami e l’analisi dei
con aminan i eme gen i negli acqui e i u bani: s iluppo di un
app occio basa o sull’in elligenza a i iciale
Dina Pi one*, Luigi Cimo elli, Daniele Ma ino, Domenico Pianese, And ea D’Aniello
Dipa imen o di Ingegne ia Ci ile, Edile e Ambien ale, Uni e si à degli S udi di Napoli Fede ico II, Napoli.
*e-mail: dina.[email p o ec ed]
Somma io
Fa o i come l’usu a delle condo e, i mo imen i del e eno e la sca sa manu enzione delle in as u u e
ogna ie possono p o oca e pe di e non isibili che, nel empo, possono condu e alla con aminazione degli
acqui e i u bani. Pe an o, ile a e ques e pe di e è di ondamen ale impo anza pe p ese a e la quali à delle
iso se id iche so e anee. Negli ul imi anni, nume osi s udi hanno e idenzia o come alcuni con aminan i
eme gen i, ad esempio esidui di p odo i a maceu ici e i dolci ican i a i iciali, possano esse e impiega i come
indica o i e icaci pe consen i e l’indi iduazione delle pe di e ogna ie (Liu e al., 2014). A di e enza di al i
inquinan i, come i ni a i, la p esenza di con aminan i eme gen i nelle alde acqui e e è iconducibile
inequi ocabilmen e alla con aminazione da acque e lue (Wol e al., 2012). Ques a ca a e is ica li ende alidi
s umen i pe con e ma e la p esenza di pe di e ogna ie e, dunque, pe consen i e di isali e alla so gen e di
con aminazione s u ando le analisi di quali à delle acque so e anee.
Tu a ia, la modellazione della mig azione dei con aminan i eme gen i nelle alde acqui e e p esen a no e oli
complessi à. In p imo luogo, isul a pa icola men e di icile quan i ica e l’in ensi à della pe di a ogna ia, a causa
dell’assenza di misu e di e e e della a iabili à spaziale e empo ale dei enomeni di es il azione (S idha and
Pa imala enganayaki, 2024). Un’ul e io e c i ici à è app esen a a dalla di icol à di de ini e, in modo a idabile,
il campo di mo o delle acque so e anee, che cos i uisce un elemen o essenziale pe p e ede e il pe co so e
l’es ensione del plume di con aminazione (D’Aniello e al., 2025). A ciò, si aggiunge che i modelli nume ici
de aglia i e isicamen e basa i, pu essendo in g ado di app esen a e con buona edel à i p ocessi di mig azione
dei con aminan i nel so osuolo, ichiedono empi di calcolo ele a i, endendoli spesso poco p a ici pe
applicazioni su la ga scala o qualo a sia necessa io e e ua e nume ose simulazioni. Al con a io, modelli
sempli ica i, pu essendo compu azionalmen e più apidi, spesso non sono in g ado di coglie e le dinamiche
complesse ipiche della mig azione dei con aminan i nel so osuolo (Rojas-Gómez e al., 2023).
Pe supe a e le a uali di icol à nel ile amen o delle pe di e ogna ie a pa i e dall’analisi dei con aminan i
eme gen i negli acqui e i u bani, ques o la o o si p opone di s iluppa e un app occio inno a i o basa o
sull’in elligenza a i iciale (IA), capace di s u a e le in o mazioni ela i e alla p esenza di con aminan i
eme gen i nelle acque so e anee pe isali e alla so gen e della pe di a, ado ando un modello conce uale
isicamen e basa o. L’app occio p opos o si a icola in e asi p incipali:
− S iluppo del modello conce uale: iene p opos o un modello isicamen e basa o pe simula e
l’es il azione del con aminan e dalle condo e ogna ie e la sua successi a mig azione nel
so osuolo, ga an endo a idabili à e ada abili à a di e si con es i e i o iali. Nel modello conce uale
e anno o ni e indicazioni sui da i necessa i pe s ima e il asso di pe di a a pa i e da in o mazioni
comunemen e disponibili su scala u bana, quali nume o di abi an i se i i, ca a e is iche ed e à delle
condo e ogna ie, p o ondi à di sca o e soggiacenza della alda acqui e a.
− Cos uzione del modello basa o sull’IA: ami e algo i mi di Deep Lea ning, si a on e à il p oblema
in e so, ossia la localizzazione della pe di a sulla base delle in o mazioni di quali à ile a e nei pun i
di moni o aggio. Il modello IA e à s u a o anche pe o ene e indicazioni su quan e misu e siano
necessa ie e con quale equenza do ebbe o esse e e e ua e pe massimizza e l’e icacia del
ile amen o.
− Analisi p obabilis ica: a ciascun a o del sis ema ogna io e à assegna a una p obabili à di pe di a,
consen endo una alu azione quan i a i a dello s a o di in eg i à dello s esso. Tale in o mazione
po à esse e u ilizza a come p oxy pe la de inizione di lis e di p io i à d’in e en o, suppo ando
decisioni s a egiche in o ica di manu enzione p edi i a, o imizzazione delle iso se e iduzione del
ischio di con aminazione dell’acqui e o so os an e.
L’app occio p opos o si p e igge l’obie i o di miglio a e l’indi iduazione delle pe di e nei sis emi ogna i, così
da idu e empi e cos i di in e en o, endendo più e icien e la piani icazione delle a i i à di manu enzione.
64
Inol e, ques o la o o me e ul e io men e in e idenza il alo e s a egico del moni o aggio dei con aminan i
eme gen i nelle acque so e anee, p omuo endone il po enziamen o come s umen o chia e pe la p o ezione
delle iso se id iche so e anee dalla con aminazione di o igine ogna ia.
Ring aziamen i
Ques a ice ca è s a a inanzia a dal p oge o di ice ca PRIN 2022 PNRR Aqui e s Recha ge and Con amina ion
by Leaking Sewe s – ARCLeakS (nume o p oge o P2022BMACR, CUP E53D23017100001), inanzia o
dall’Unione Eu opea – Nex Gene a ionEU.
Bibliog a ia
D’Aniello, A., Pi one, D., Cimo elli, L., Pianese, D., 2025. U ban aqui e echa ge and con amina ion by leaking
sewe s: a compa a i e analysis o di e en modeling app oaches. Le Gio na e dell’Id ologia della Socie à
Id ologica I aliana 2025, Ba i, 8 – 10 se emb e 2025
Liu, Y., Blowes, D. W., G oza, L., Sabou in, M. J., & P acek, C. J., 2014. Acesul ame-K and pha maceu icals as
co- ace s o municipal was ewa e in a ecei ing i e . En i onmen al Science: P ocesses & Impac s,
16(12), 2789-2795.
Rojas-Gómez, K. L., Binde , M., Wal he , M., & Engelmann, C., 2023. A pa simonious app oach o p edic
egions a ec ed by sewe -bo ne con aminan s in u ban aqui e s. En i onmen al Moni o ing and
Assessmen , 195(12), 1517.
S idha , D., and Pa imala enganayaki, S., 2024. A comp ehensi e e iew on g oundwa e con amina ion due
o sewe leakage: sou ces, de ec ion echniques, heal h impac s, mi iga ion me hods. Wa e , Ai , & Soil
Pollu ion, 235(1), 56.
Wol , L., Zwiene , C., and Zemann, M., 2012. T acking a i icial swee ene s and pha maceu icals in oduced
in o u ban g oundwa e by leaking sewe ne wo ks. Science o he To al En i onmen , 430, 8-19
65
I iga ion olumes moni o ing coupling an ene gy-wa e
balance model wi h g ound and sa elli e da a
Nicola Paciolla*, Chia a Co ba i
Dipa imen o di Ingegne ia Ci ile e Ambien ale (DICA), Poli ecnico di Milano, Milano
*e-mail: [email p o ec ed]
Abs ac
Ag icul u e is he single majo eshwa e use wo ldwide, a e aging 70% o he wa e esou ce consump ion
(Zuca o e al., 2016). Despi e his hea y incidence, i iga ion ep esen s he mos unce ain wa e lux, di icul
o p edic because o bo h an h opogenic and na u al ac o s. Remo e sensing obse a ions o a iables
a ec ing he hyd ological wa e cycle, like su ace soil mois u e (SSM), land su ace empe a u e (LST) and
ege a ion indexes (e.g., NDVI, LAI) a e a ailable a inc easingly highe spa ial, empo al and spec al
esolu ions, allowing o in eg a e spa se obse a ions om in-si u sampling ne wo ks. Coupling hese da a in o
a obus hyd ological modelling amewo k ia da a assimila ion is a p omising way o shed ligh on poo ly
gauged p ocesses like i iga ion.
In his p esen a ion, di e en complemen a y app oaches o es ima e i iga ion olumes will be discussed,
buil on he syne gis ic use o da a (bo h in si u and om sa elli e) and an ene gy-wa e balance model. Two
main app oaches we e es ed a mul iple spa ial scales in he Capi ana a I iga ion Conso ium, a he e ogeneous
ag icul u al a ea in semi-a id Sou he n I aly, wi h a conside able dependency on i iga ion o oma o, ege ables
and ee c ops. The i s one is based on a p obabilis ic Mon eca lo app oach, whe eas he second one ocuses
on he assimila ion o sa elli e LST and SSM e ie als in o he hyd ological model. Bo h app oaches employed
he FEST-EWB (Co ba i e al., 2011) ene gy-wa e balance model, which is a dis ibu ed model ha closes, a
e e y ime s ep, bo h he su ace ene gy and wa e balances o e e y pixel, compu ing local LST as an in e nal
a iable. This allows he model o un using only me eo ological o cings and ege a ion s a us and o use
sa elli e obse a ions o SSM and LST o o he pu poses, like calib a ion o da a assimila ion.
The p obabilis ic app oach is based on he gene a ion o an ensemble o possible i iga ion scena ios,
adop ing a Mon eca lo app oach o co e he mos possible ealiza ions, including he eal ones. These i iga ion
scena ios a e hen used o un he FEST-EWB model. F om he compa ison o he model esul s and a numbe
o obse ed a iables, he i iga ion scena ios closes o eali y can be ex ac ed. The model esul s a e
compa ed agains di e en kinds o e e ences, wi h inc easing s eps o unce ain y, om esul s o a benchma k
simula ion ( ed wi h obse ed i iga ion da a), o in-si u measu emen s and sa elli e obse a ions. This a ie y
helps o p o ide a comple e idea o he algo i hm eliabili y, and he inclusion o sa elli e image y allows o expo
he p ocedu e o da a-poo a eas. Speci ically, he a iables es ed in his wo k include su ace soil mois u e ,
deep soil mois u e (SM2), e apo anspi a ion (ET) and land su ace empe a u e (LST). O hese, SSM quali ied
as he mos sui ed o he algo i hm, as di e ences in i iga ion imings caused li le sp ead in he o he a iables
ensembles. This app oach has been es ed o di e en i iga ed ields.
The second app oach is based on he assimila ion o emo ely-sensed da a o e ie e i iga ion e en s o e
a wide a ea, wi h he hyd ological model unning on a mesh o 1 km spa ial esolu ion o e he whole I iga ion
Conso ium. Speci ically, he FEST-EWB model was un in h ee main con igu a ions, each accoun ing o
i iga ion in a di e en way: (a) a olume equi alen o he eadily a ailable wa e was budge ed o e e y
ege a ed pixel whene e wa e s ess condi ions we e me , ollowing FAO guidelines and p o iding a baseline
o uns essed i iga ion managemen (Allen e al., 2011); (b) LST da a om MODIS a 1 km spa ial esolu ion
and daily e isi ime we e assimila ed in o he model, co ec ing he soil mois u e s a us o ma ch he
he modynamic condi ions obse ed om sa elli e and budge ing i iga ion wa e olumes o posi i e model
LST biases (Co ba i e al., 2025); (c) SSM da a om Sen inel-1 a 1 km spa ial esolu ion and oughly 6 days o
e isi ime we e assimila ed in o he model, inducing a di ec co ec ion o he modelled soil mois u e s a us
and budge ing i iga ion olumes o nega i e model SSM biases.
These p ocedu es we e compa ed a ield le el, leading o he ollowing main conclusions: (1) he p obabilis ic
algo i hm wo ks bes o e ields wi h ewe i iga ion e en s in a season (<10) and du ing high-ET pe iods, as
e y equen e en s (>2-3 pe week) c owd he signal and can make he p ocedu e edundan ; (2) o he
sa elli e da a assimila ion app oach, he spa ial gap be ween sa elli e obse a ions (1 da apoin pe 1 km2) and
a e age size o he local plo s (on a e age, 7 ha, 14 imes lowe ) is a majo issue in cap u ing he ield-scale
di e ences, conside ing ha he a ea is highly he e ogeneous, wi h many neighbo ing ields unning on di e en
yea ly cul i a ion schedules (bo h in e ms o c op ype and wa e managemen ).
66
Figu e 1. S udy a ea and esul s o a moni o ing s a ion in a oma o ield
Re e ences
Allen, R. G., e al. (1998). C op e apo anspi a ion-Guidelines o compu ing c op wa e equi emen s-FAO
I iga ion and d ainage pape 56. Fao, Rome, 300(9), D05109.
Co ba i, C., e al. (2011). A dis ibu ed he modynamic model o ene gy and mass balance compu a ion: FEST–
EWB. Hyd ological P ocesses, 25(9), 1443-1452.
Co ba i, C., Paciolla, N., e al. (2025). Moni o ing An h opogenic I iga ion Wa e Use by assimila ing sa elli e
land su ace empe a u e and soil mois u e. In e iew.
Zuca o, A., e al. (2016). En i onmen al loading o I alian semi-in ensi e snail a ming sys em e alua ed by
means o li e cycle assessmen . Jou nal o Cleane P oduc ion, 125, 56-67.
67
B idging knowledge and p ac ice in he WEFE Nexus: mul i-
le el pa icipa o y modelling o sus ainable i iga ion in he
medi e anean
Vi ginia Rosa Cole a1*, S e ania San o o1, Lau a Selica o1, Claudia Pancie a1,2, I an Po oghese1,
Alessand o Pagano2, Ra aele Gio dano1
1 Wa e Resea ch Ins i u e - Na ional Resea ch Council, Ba i, I aly
2 Depa men o Ci il, En i onmen al, Land, Cons uc ion and Chemis y, Poly echnic Uni e si y o Ba i, Ba i, I aly
*e-mail: [email p o ec ed]
Abs ac
The Medi e anean egion aces inc easing wa e s ess d i en by clima e change, ag icul u al in ensi ica ion,
and ecosys em deg ada ion. While he Wa e -Ene gy-Food-Ecosys em (WEFE) Nexus app oach o e s a
comp ehensi e amewo k o add ess hese in e dependencies, i s implemen a ion in p ac ice emains
agmen ed and limi ed (Alb ech e al., 2018; Gio dano e al., 2025). The EU- unded P ojec NexusLabs (PRIMA
P ojec , GA 2422) seeks o close his gap by de eloping and applying in eg a ed solu ions in Li ing Labs ac oss
se en Medi e anean coun ies, including I aly.
Wi hin his amewo k a mul i-le el pa icipa o y modelling app oach is p oposed, o suppo decision-making
in sus ainable i iga ion and wa e esou ce managemen unde changing en i onmen al and socio-economic
condi ions.
The mul i-le el modelling add esses he complexi y o he WEFE Nexus ac oss physical, adminis a i e, and
social bounda ies. I in eg a es di e en in e ac ions be ween sys em componen s, he di e si y o s akeholde
beha iou s, and he a icula ion o spa ial and ins i u ional scales ( om local i iga ion conso ia o egional and
Medi e anean-wide policy con ex s).
Pa icipa o y modelling e e s o he ac i e in ol emen o s akeholde s h oughou he modelling p ocess,
inco po a ing hei pe cep ions, alues, and expe ien ial knowledge in o he sys em ep esen a ion, analysis and
alida ion (Voino e al., 2016). This is achie ed h ough speci ic ac i i ies such as semi-s uc u ed in e iews
and wo kshops, which also acili a e sha ed p oblem unde s anding and social lea ning.
The p oposed modelling amewo k couples Pa icipa o y Sys em Dynamics Modelling (PSDM) and Agen -
Based Modelling (ABM) o ep esen bo h sys em-le el eedbacks and indi idual beha iou al dynamics.
PSDM enables simula ion o mac o-le el dynamics, and speci ically how bo h physical componen s (e.g.,
wa e lows, land use change) and in angible dimensions (such as go e nance s uc u es and social no ms) o
he WEFE sys em in e ac o e ime, cap u ing eedback loops and unin ended consequences unde di e en
scena ios (e.g., impac s o d ough , wa e euse policies, o land-use change) (Amo ocho-Daza e al., 2024;
Pagano e al., 2025).
ABM, on he o he hand, ocuses on mic o-le el beha iou al he e ogenei y, modelling how agen s (e.g.,
a me s, manage s) make decisions, espond o incen i es, and in e ac wi hin social ne wo ks using he Theo y
o Planned Beha io (An, L., 2012; Pouladi e al., 2019; Aybuğa & Yücel Işılda , 2022). This allows he
explo a ion o how social s uc u e and indi idual beha iou s a ec inno a ion up ake and policy e ec i eness,
which a e ac o s o en o e looked in con en ional modelling (Mi zaei & Zibaei, 2021).
The in eg a ion o PSDM and ABM is pa icula ly aluable in he Nexus con ex , whe e mac o-le el dynamics
and mic o-le el decisions a e igh ly coupled. Thei join use enables he co-design o scena ios o in e en ion
ha a e bo h sys emically cohe en and beha iou ally ealis ic, p o iding s akeholde s and decision/policy-
make s wi h obus insigh s in o he po en ial impac s o s a egic choices.
The modelling amewo k is being applied in di e en Medi e anean coun ies, including h ee I alian Li ing
Labs, namely To e Guace o, Ta quinia, and he Vene o egion, each wi h dis inc challenges (e.g., ni a e
con amina ion, o e -abs ac ion, seasonal d ough ). These applica ions ely on inpu s om hyd ological,
en i onmen al, and socio-economic modelling de eloped in o he WPs, as well as on s akeholde engagemen
ac i i ies and indica o s da ase s (e.g., he WEFE Index). A Se ious Game will u he suppo in e ac i e
explo a ion o Nexus dynamics unde di e en scena ios.
Beyond he NexusLabs P ojec , he p oposed modelling amewo k is eplicable and gene alizable o o he
complex Nexus p oblems. Mo e b oadly, i ep esen s a me hodological ad ancemen in he in eg a ed
managemen o coupled na u al–human sys ems. By combining pa icipa o y app oaches wi h hyb id modelling
echniques, i allows o he join conside a ion o physical p ocesses, ins i u ional se ings, and beha iou al
68
dynamics, hus suppo ing he design o adap i e and con ex -sensi i e s a egies o sus ainable esou ce
go e nance ac oss a wide ange o socio-en i onmen al challenges.
Re e ences
Alb ech , T.R., C oo o , A., Sco , C.A., 2018. The Wa e -Ene gy-Food Nexus: a sys ema ic e iew o me hods
o nexus assessmen . En i onmen al Resea ch Le e s, 13 (4).
Amo ocho-Daza, H., Susnik, J., an de Zaag, P., Slinge , J.H., 2024. A model-based policy analysis amewo k
o social-ecological sys ems: In eg a ing unce ain y and pa icipa ion in sys em dynamics modelling.
Ecological Modelling, 499, 110943.
An, L., 2012. Modeling human decisions in coupled human and na u al sys ems: Re iew o agen -based models.
Ecological Modelling, 229, 25–36.
Aybuğa, K., Yücel Işılda , A. G., 2022. Agen -based app oach on wa e esou ces managemen : A modi ied
sys ema ic e iew. Tu kish Jou nal o Wa e Science and Managemen , 6(1), 1–15.
Gio dano, R., Osann, A., Enao, E., Lopez, L.M., Pique a, J.S., Nikolaidis, N.P., Lilli, M., Cole a, V.R., Pagano,
A., 2025. Causal Loop Diag ams o b idging he gap be ween Nexus hinking and Nexus doing: e idence
om wo case s udies. Jou nal o Hyd ology, 650, 132571.
Mi zaei, A., Zibaei, M., 2021. Wa e con lic managemen be ween ag icul u e and we land unde clima e
change: applica ion o economic-hyd ological-beha io al modelling. Wa e Resou ces Managemen , 35, 1–
21.
Pagano, A., Cole a, V.R., Po oghese, I., Panagopoulos, A., Pisina as, V., Cha zi, A., Malama a is, D., Babakos,
K., Lilli, M.A., Nikolaidis, N.P., Gio dano, R., 2025. On he use o Pa icipa o y Sys em Dynamics Modelling
o WEF Nexus managemen : Hin s om wo case s udies in he Medi e anean egion. En i onmen al
Impac Assessmen Re iew, 115, 108012.
Pouladi, P., A sha , A., A sha , M. H., Molajou, A., and Fa ahmand, H., 2019. Agen -based socio-hyd ological
modeling o es o a ion o U mia Lake: applica ion o heo y o planned beha io . Jou nal o Hyd ology,
576, 736–748.
Voino , A., Kolagani, N., McCall, M. K., Glynn, P. D., K ag , M. E., Os e mann, F. O., e al., 2016. Modelling
wi h s akeholde s—Nex gene a ion. En i onmen al Modelling & So wa e, 77, 196–220.
69
The quan i ica ion o ene gy o i iga ion
Da ide Danilo Chia elli1*, Paolo D’Odo ico2, Aldo Fio i3, Akhil Unnik ishnan1, I an Lomba dich1,
Ma ia C is ina Rulli1
1 Depa men o Ci il and En i onmen al Enginee ing, Poli ecnico di Milano, 20133, Milan, I aly
2 Depa men o En i onmen al Science, Policy, and Managemen , Uni e si y o Cali o nia, Be keley, 94720, Be keley, USA
3 Dipa imen o di Ingegne ia Ci ile, In o ma ica e delle Tecnologie Ae onau iche, Roma T e Uni e si y, Rome, I aly
*e-mail: [email p o ec ed]
Abs ac
Expanding i iga ion p esen s a p omising s a egy o enhance ag icul u al p oduc i i y in esponse o ising
global popula ion p essu es and e ol ing socio-poli ical condi ions (Foley e al., 2011, Muelle e al., 2012,
D’Odo ico e al., 2018, God ay e al., 2010). Howe e , e ec i e i iga ion no only depends on he a ailabili y
o su icien wa e esou ces bu also equi es adequa e ene gy o dis ibu e wa e e icien ly ac oss ag icul u al
lands (Rosa e al., 2020). While nume ous s udies ha e e alua ed he wa e needs o closing yield gaps h ough
i iga ion (Muelle e al., 2012), ew ha e quan i ied he co esponding ene gy equi emen s.
In his s udy, we in oduce a globally applicable, spa ially explici , and physically based bo om-up me hod o
es ima e ene gy demands associa ed wi h i iga ion. The analysis co e s 42 c op ypes and h ee majo i iga ion
echnologies compu ing he need o wa e o i iga ion using he WATNEEDS model (Chia elli e al., 2020). Ou
esul s indica e ha he cu en global ene gy demand o i iga ion is app oxima ely 1.1 × 10⁹ GJ pe yea . O
his, su ace i iga ion accoun s o a ound 0.32 × 10⁹ GJ/yea , while sp inkle sys ems use app oxima ely 0.77
× 10⁹ GJ/yea . D ip i iga ion, hough mo e e icien , cu en ly ep esen s only a mino sha e o o al ene gy use.
Ce eal c ops con ibu e he mos o global ene gy consump ion due o hei ex ensi e cul i a ion, whe eas
c ops such as co ee, ci us, and suga cane exhibi he highes ene gy use pe uni a ea. No ably, many egions
wi h high po en ial o i iga ion expansion—pa icula ly in de eloping coun ies ac oss he Sou he n
Hemisphe e—a e also challenged by ene gy access cons ain s.
To explo e his u he , we assessed he easibili y o expanding i iga ion in o cu en ly ain ed ag icul u al
a eas whe e c op wa e equi emen s can be sus ainably me by local wa e esou ces, wi hou deple ing
en i onmen al lows o g oundwa e s ocks. Ou analysis iden i ied app oxima ely 115 million hec a es sui able
o sus ainable i iga ion expansion, wi h majo oppo uni ies in A ica (44.6 Mha), Eas e n Eu ope (34.1 Mha),
and Russia (9.8 Mha). Whea , maize, and ba ley domina e hese a eas, collec i ely accoun ing o oughly 40
Mha.
To e alua e easibili y om an ene gy pe spec i e, we compa ed coun y-speci ic pe capi a ene gy supplies
wi h he global a e age. We es ima e ha he addi ional global ene gy equi ed o suppo sus ainable i iga ion
expansion o he 42 c ops is abou 0.22 × 10⁹ GJ/yea —an inc ease o oughly 20% o e cu en i iga ion
ene gy demand. S ikingly, 29 o he op 50 coun ies wi h he highes p ojec ed ene gy demands all below he
global a e age ene gy supply pe capi a (IEA).
The spa ially explici ou pu s om his s udy p o ide c i ical insigh s o he design o in eg a ed wa e –ene gy–
ag icul u e s a egies. Such app oaches can help guide sus ainable ag icul u al de elopmen , enhance
esilience, and suppo e o s o comba ood insecu i y and malnu i ion.
76
Is Today D ie ? A Me as a is ical amewo k o d ough
equency ac oss E as
Ma ia F ancesca Ca uso1*, Gab iele Villa ini2,3, Ma co Ma ani1,4
1 Depa men o Ci il, A chi ec u al, and En i onmen al Enginee ing, Uni e si y o Pado a, Pado a, I aly
2 Depa men o Ci il and En i onmen al Enginee ing, P ince on Uni e si y, P ince on, NJ, USA
3 High Meadows En i onmen al Ins i u e, P ince on Uni e si y, P ince on, NJ, USA
4 Resea ch Cen e on Clima e Change Impac s, Uni e si y o Pado a, Ro igo, I aly
*e-mail: ma ia[email p o ec ed]
Abs ac
As clima e change al e s p ecipi a ion and e apo anspi a ion pa e ns, d ough e en s a e shi ing in se e i y,
du a ion, and equency ac oss many egions wo ldwide. Unlike mos o he hyd oclima ic phenomena, d ough s
ex end o e la ge spa ial a eas and pe sis o e long imescales, equi ing a deepe unde s anding o hei
spa io- empo al beha io o suppo e ec i e moni o ing, p edic ion, and adap a ion s a egies. Thei p olonged
du a ion poses signi ican challenges o his o ical obse a ion, limi ing ou abili y o ace he spa io- empo al
pa e ns o hese e en s. To add ess hese challenges, his s udy examines he s a is ical p ope ies o ex eme
d ough s using clima e model simula ions om he ou h phase o he Paleoclima e Modelling In e compa ison
P ojec (PMIP4; Jungclaus e al., 2017) and he six h phase o he Coupled Model In e compa ison P ojec
(CMIP6; Ey ing e al., 2016). By in eg a ing bo h his o ical and paleo-hyd ological eco ds, we assess he
occu ence o ex eme d ough s ac oss a ious geog aphic egions and ime scales, wi h a pa icula ocus on
well-documen ed p e-indus ial clima e pe iods such as he Medie al Clima e Anomaly (MCA; 900–1300 A.D.)
and he Li le Ice Age (LIA; 1500–1850 A.D.). An ad anced non-asymp o ic s a is ical amewo k (Ma ani and
Ignaccolo, 2015; Zo ze o e al., 2016; Ma a e al., 2019), which explici ly sepa a es e en in ensi y om
equency, is applied o mo e accu a ely cap u e he a iabili y and ecu ence o ex eme d ough s. Compa ed
o he 100-yea e u n pe iod quan ile de i ed om his o ical simula ions, pas d ough e en s we e gene ally
less equen and exhibi ed subs an ial a iabili y ac oss di e en clima e s a es and his o ical epochs.
Re e ences
Ey ing, V., Bony, S., Meehl, G. A., Senio , C. A., S e ens, B., S ou e , R. J., and Taylo , K. E., 2016. O e iew
o he Coupled Model In e compa ison P ojec Phase 6 (CMIP6) expe imen al design and o ganiza ion,
Geoscien i ic Model De elopmen , 9, 1937–1958. DOI: 10.5194/gmd-9-1937-2016.
Jungclaus, J. H., Ba d, E., Ba oni, M., B aconno , P., Cao, J., Chini, L. P., Ego o a, T., E ans, M., González-
Rouco, J. F., Goosse, H., Hu , G. C., Joos, F., Kaplan, J. O., Khod i, M., Klein Goldewijk, K., K i o a, N.,
LeG ande, A. N., Lo enz, S. J., Lu e bache , J., Man, W., Maycock, A. C., Meinshausen, M., Mobe g, A.,
Muschele , R., Neh bass-Ahles, C., O o-Bliesne , B. I., Phipps, S. J., Pong a z, J., Rozano , E., Schmid ,
G. A., Schmid , H., Schmu z, W., Schu e , A., Shapi o, A. I., Sigl, M., Sme don, J. E., Solanki, S. K.,
Timm eck, C., Toohey, M., Usoskin, I. G., Wagne , S., Wu, C.-J., Yeo, K. L., Zanche in, D., Zhang, Q., and
Zo i a, E., 2017: The PMIP4 con ibu ion o CMIP6 – Pa 3: The las millennium, scien i ic objec i e, and
expe imen al design o he PMIP4 pas 1000 simula ions, Geoscien i ic Model De elopmen , 10, 4005–
4033, DOI: 10.5194/gmd-10-4005-2017.
Ma ani, M., and Ignaccolo, M., 2015. A me as a is ical app oach o ain all ex emes. Ad ances in Wa e
Resou ces, 79, 121–126, 10.1016/j.ad wa es.2015.03.001.
Ma a, F., Zocca elli, D., A mon, M., and Mo in, E., 2019. A simpli ied MEV o mula ion o model ex emes
eme ging om mul iple nons a iona y unde lying p ocesses. Ad ances in Wa e Resou ces, 127, 280–290,
10.1016/j.ad wa es.2019.04.002.
Zo ze o, E., Bo e , G., and Ma ani, M., 2016. On he eme gence o ain all ex emes om o dina y e en s.
Geophysical Resea ch Le e s, 43 (15), 8076–8082, DOI: 101011%20.1002/2016GL069445.
77
Assessing snow wa e equi alen econs uc ion using mul i-
sou ce high- esolu ion sa elli e da a and hyd ological models in
alpine egions
Michele Bozzoli1,4*, Valen ina P emie 5, C is ian Tonelli3,5, Giuseppe Fo me a2, Giacomo Be oldi4,6,
Ca lo Ma in5, Ma hias Ba ay7
1 Cen e o Ag icul u e, Food and En i onmen (C3A), Uni e si y o T en o, T en o, I aly
2 Depa men o Ci il, En i onmen al and Mechanical Enginee ing, Uni e si y o T en o, T en o, I aly
3 Depa men o Ma hema ics, In o ma ics and Geosciences, Uni e si y o T ies e, T ies e, I aly
4 Ins i u e o Alpine En i onmen , Eu ac Resea ch, Bolzano, I aly
5 Ins i u e o Ea h Obse a ion, Eu ac Resea ch, Bolzano, I aly
6 Cen e o Clima e Change and T ans o ma ion, Eu ac Resea ch, Bolzano, I aly
7 WSL Ins i u e o Snow and A alanche Resea ch (SLF), Da os, Swi ze land
*e-mail: [email p o ec ed]
Abs ac
Alpine egions a e highly sensi i e o he impac s o clima e change, and snow mel dynamics plays a c ucial
ole in hei hyd ological p ocesses. A ep esen a i e a iable o snow mel is he snow wa e equi alen (SWE).
Howe e , SWE measu emen s a e a e and limi ed o poin scales, making i di icul o ob ain accu a e
spa ialized es ima es. Fo his eason, emo e sensing p oduc s o e a unique oppo uni y o p o ide spa ialized
obse a ions. Recen ly, using op ical emo e sensing da a om MODIS, Landsa and Sen inel-2, SAR da a om
Sen inel-1 and in si u obse a ions, P emie e al. (2021) de eloped a mul i-sou ce da a me hod o econs uc
daily snow co e a ea (SCA) maps a high spa ial esolu ion (20 m).
In his wo k, we in es iga e he e ec i eness o combining his app oach wi h a semi-dis ibu ed hyd ological
model (GEO ame) (Fo me a e al., 2014) o econs uc SWE a high spa ial esolu ion (20 m) in he alpine
ca chmen o Dischma, Kan on G aubünden, Swi ze land (40 km2). The modeled esul s a e compa ed agains
bo h obse ed discha ge and high- esolu ion SWE maps econs uc ed using snow dep h da a e ie ed by
ai plane pho og amme y o Büh le e al. (2022) and hen con e ed in o SWE maps using he app oach o
Jonas e al. (2009).
The GEO ame model can ep oduce he obse ed discha ge wi h high accu acy (KGE = 0.904, NSE = 0.823).
Howe e , being a semi-dis ibu ed model, modeled SWE spa ial pa e ns a e oo coa se and less accu a e.
The e o e, mul i-sou ce high- esolu ion sa elli e snow p oduc s could p o ide aluable in o ma ion o imp o e
spa ial accu acy. We ind ha he mos e ec i e SWE downscaling app oach is based on he combina ion o
opog aphic pa ame e s and he snow co e du a ion es ima ed by he no el app oach o P emie e al. (2021).
Compa ing SWE es ima es based on his new combined app oach wi h he obse ed ones, we ind on a e age
a mean bias e o (MBE) o 51.42 mm and a Pea son co ela ion coe icien ( ) o 0.740. The esul s sugges
ha ou new me hod can ep oduce he spa ial pa e ns o he SWE qui e well, bu a he same ime he SWE
a e aged by he ca chmen is bound o he wa e mass balance es ima ed by a hyd ological model and he e o e
hyd ologically consis en wi h he obse ed ca chmen a e aged uno .
The p esen ed app oach could be seen om a wo- old pe spec i e. Ei he a downscaling p ocedu e o
imp o e he capabili y o a semi-dis ibu ed hyd ological model o es ima e high- esolu ion SWE pa e n in
moun ain egions, o a me hod o es ima e SWE om mul i-sou ce sa elli e obse a ions using he cons ain on
ca chmen -scale wa e budge coming om a hyd ological model.
78
Figu e 1. Compa ison o obse ed and modelled SWE in he Dischma ca chmen (Kan on G aubünden, Swi ze land) o
he ou a ailable da es: [2019-03-16], [2020-04-06], [2021-04-16] and [2022-03-23]
Re e ences
Büh le, L., Ru ne , P., Ma y, M., & Bu¨hle , Y. (2022). Snow dep h mapping by ai plane pho og amme y (2017
- ongoing). En iDa . doi: 10.16904/en ida .418
Fo me a, G., An onello, A., F anceschi, S., Da id, O., & Rigon, R. (2014). Hyd ological modelling wi h
componen s: A gis-based open-sou ce amewo k. En i onmen al Modelling & So wa e, 55, 190–200. doi:
10.5194/gmd-7-725-2014
Jonas, T., Ma y, C., & Magnusson, J. (2009). Es ima ing he snow wa e equi alen om snow dep h
measu emen s in he swiss alps. Jou nal o Hyd ology, 378 (1- 2), 161–167. doi:
10.1016/j.jhyd ol.2009.09.021
P emie , V., Ma in, C., S ege , S., No a nicola, C., & B uzzone, L. (2021). A no el app oach based on a
hie a chical mul i esolu ion analysis o op ical ime se ies o econs uc he daily high- esolu ion snow co e
a ea. IEEE Jou nal o Selec ed Topics in Applied Ea h Obse a ions and Remo e Sensing, 14, 9223–9240.
doi: 10.1109/JSTARS.2021.3103585
79
Use o Snow Wa e Equi alen P oduc s o Imp o ing he
Pa ame e isa ion o Hyd ological Models in No he n I aly
Gokhan Sa igil*, Ma ia Ne i, Elena To h
Depa men o Ci il, Chemical, En i onmen al, and Ma e ials Enginee ing (DICAM), Uni e si y o Bologna, Bologna, I aly
*e-mail: [email p o ec ed]
Abs ac
Snow Wa e Equi alen (SWE) unc ions as a na u al ese oi in moun ainous egions, accumula ing win e
p ecipi a ion and eleasing mel wa e du ing wa me pe iods o sus ain s eam low, echa ge g oundwa e
aqui e s, suppo ag icul u al i iga ion, and enable hyd opowe gene a ion. Despi e i s c i ical impo ance o
wa e esou ce managemen , di ec SWE measu emen s a e spa ially and empo ally limi ed, c ea ing
subs an ial challenges o hyd ological assessmen s. Al e na i e app oaches such as la ge-scale eanalysis
p oduc s and ain all- uno models may ace signi ican challenges including spa se da a assimila ion, coa se
spa ial esolu ion, simpli ied o og aphic p ecipi a ion, inpu da a accu acy, p ecipi a ion-phase de e mina ion,
and simpli ied snow he modynamics.
This s udy ollows a wo-phase app oach o alida e and imp o e snow moni o ing ac oss 96 ca chmen s in
No he n I aly's Alpine and Apennine ca chmen s o he pe iod 2010-2020. Ca chmen s a e ca ego ized in o
i e ele a ion bands o sys ema ically analyse pe o mance ac oss a ying o og aphic and clima ic condi ions.
Fi s , we e alua e SWE es ima es om i) h ee eanalysis p oduc s de i ed om land-su ace models (Table 1)
and ii) he simula ion o s eam low-calib a ed ain all- uno models, agains he high- esolu ion na ional
e e ence da ase , IT-SNOW (A anzi e al., 2023). Second, we explo e s a egies o in eg a ing he IT-SNOW
SWE da a in o model calib a ion, in o de o imp o e snow p ocess simula ions.
Table 1. Main cha ac e is ics o he eanalysis da ase s used in his s udy
Da ase
Co e age
Resolu ion
A mosphe ic
model
Land su ace
model
P oduced by
IT-SNOW ( e e ence)
(A anzi e al., 2023)
I aly,
2011- p esen
0.5 km,
Daily
S a ion da a
+ Rada me ge
S3M
CIMA
ERA5-Land
(Muñoz-Saba e e al., 2021)
Global,
1950-p esen
9 km,
Hou ly
IFS
CHTESSEL
ECMWF
Ce a-Land
(Ve elle e al., 2022)
Eu ope,
1984-2020
5 km,
Hou ly
HARMONIE-
AROME
SURFEX
COPERNICUS
VHR-REA_IT
(Ra a e al., 2021)
I aly,
1981-2023
2.2 km,
Hou ly
COSMO-CLM
TERRA-URB
CMCC
Two concep ual hyd ological models wi h di e en s uc u al o mula ions a e employed: he GR6J-
Cemaneige model (Co on e al., 2017; Valé y e al., 2014) and he TUW model (semi-dis ibu ed e sion o
HBV, Viglione and Pa ajka, 2019). Fo in eg a ing he IT-SNOW SWE da a in o model calib a ion, h ee dis inc
mul i-objec i e calib a ion s a egies a e implemen ed a emp ing o i bo h obse ed low and SWE se ies wi h
he Kling-Gup a E iciency (KGE): i) sequen ial op imiza ion, whe e snow pa ame e s a e i s calib a ed wi h
SWE da a, ollowed by calib a ion o he emaining pa ame e s using s eam low obse a ions, ii) NSGA-II mul i-
objec i e op imiza ion o simul aneously op imize bo h objec i es, iden i ying Pa e o on solu ions, and iii)
weigh ed objec i e unc ions combining s eam low and SWE i ing wi h a ying weigh s.
The h ee eanalysis p oduc s e ealed signi ican spa ial a ia ions in SWE es ima es (Figu e 1). CERRA-
Land unde es ima ed SWE ac oss lowe ele a ions, bu showed signi ican o e es ima ion in he highes
ca chmen s. ERA5-Land signi ican ly o e es ima ed in high moun ains, especially abo e 1200 m, bu
demons a ed he bes co ela ion among eanalyses. VHR-REA consis en ly unde es ima ed SWE a all
ele a ions and exhibi ed he weakes empo al pa e ns.
80
Figu e 1. Spa ial pa e ns o SWE in No he n I aly (2010–2020). (a) Mean annual SWE dis ibu ion o g idded eanalysis
p oduc s; (b) Bias in mean annual SWE (IT-SNOW – o he es ima es).
Mul i-objec i e calib a ion signi ican ly imp o ed SWE simula ion pe o mance (KGE-SWE), while main aining
good s eam low pe o mance (KGE-Q) o bo h models. GR6J-Cemaneige achie ed be e pe o mance
me ics han TUW ac oss mos ele a ion bands, hough TUW emained compe i i e o s eam low a high
ele a ions. The calib a ion s a egy choice had g ea e impac on TUW, whe e sequen ial calib a ion educed
s eam low pe o mance in snow-domina ed ca chmen s. NSGA-II op imiza ion e ealed s ong ade-o s
be ween SWE and s eam low objec i es in high-ele a ion ca chmen s, wi h conca e Pa e o on s indica ing
ha imp o ing one objec i e sac i iced he o he . Low-ele a ion ca chmen s displayed ins ead e y la Pa e o
on s co esponding o high s eam low pe o mance, showing ha SWE simula ion migh be subs an ially
imp o ed wi hou comp omising s eam low accu acy.
This esea ch con ibu es o unde s anding pe o mance cha ac e is ics o di e en eanalysis p oduc s and
calib a ion s a egies in snow-in luenced hyd ological egimes, p o iding p ac ical guidance o snow moni o ing
and hyd ological modeling in Medi e anean moun ain egions. Fu u e esea ch will ocus on unce ain y
quan i ica ion o assess he di e ences o he calib a ion s a egies o mo e model eliabili y.
Re e ences
A anzi F, Gabellani S, Delogu F, Sil es o F, Pignone F, B uno G, ... , Fe a is L (2023) IT-SNOW: a snow
eanalysis o I aly blending modeling, in-si u da a, and sa elli e obse a ions (2010–2021). Ea h Sys em
Science Da a Discussions, 2022, 1-30. h ps://doi.o g/10.5194/essd-15-639-2023
Co on L, Thi el G, Delaigue O, Pe in C & And éassian V (2017) The sui e o lumped GR hyd ological models
in an R package. En i onmen al modelling & so wa e, 94, 166-171.
h ps://doi.o g/10.1016/j.en so .2017.05.002
Muñoz-Saba e J, Du a E, Agus í-Pana eda A, Albe gel C, A duini G, Balsamo G, ... & Thépau J N (2021)
ERA5-Land: A s a e-o - he-a global eanalysis da ase o land applica ions. Ea h sys em science da a,
13(9), 4349-4383. h ps://doi.o g/10.5194/essd-13-4349-2021
Ra a, M., Rede , A., Ma as, G. F., Mancini, M., Scipione, G., San ini, M., & Me cogliano, P. (2021). VHR-
REA_IT da ase : e y high- esolu ion dynamical downscaling o ERA5 eanalysis o e I aly by COSMO-
CLM. Da a, 6(8), 88. h ps://doi.o g/10.3390/da a6080088
Valé y, A., And éassian, V., & Pe in, C. (2014). 'As simple as possible bu no simple ': Wha is use ul in a
empe a u e-based snow-accoun ing ou ine? Pa 2–Sensi i i y analysis o he Cemaneige snow
accoun ing ou ine on 380 ca chmen s. Jou nal o Hyd ology, 517, 1176-1187.
h ps://doi.o g/10.1016/j.jhyd ol.2014.04.058
Ve elle, A., Glin on, M., Bazile, E., Le Moigne, P., Rand iamampianina, R., Ridal, M., ... & Mladek, R. (2022).
CERRA-Land sub-daily egional eanalysis da a o Eu ope om 1984 o p esen . Cope nicus Clima e
Change Se ice (C3S) Clima e Da a S o e (CDS): Reading, UK. DOI: 10.24381/cds.a7 3cd0b
Viglione, A., & Pa ajka, J. (2019). TUWmodel: Lumped/Semi-Dis ibu ed Hyd ological Model o Educa ion
Pu poses, R package e sion 1.1-1.
81
P e isione della esa mensile di e so gen i median e un
modello ib ido CNN-LSTM e SF
F ancesco Cas aldo1,2*, Claudio A ena1, An onio F ancipane1, Leona do Vale io No o1
1 Dipa imen o di Ingegne ia, Uni e si à degli s udi di Pale mo, Pale mo, I aly
2 Is i u o Uni e si a io di S udi Supe io i, IUSS Pa ia, Pa ia, I aly
*e-mail: [email p o ec ed]
Somma io
Il p esen e s udio si concen a sulla p e isione della esa mensile, R (in Mm³), di e so gen i si ua e nella
p o incia di Pale mo, Gab iele, Risalaimi e Scilla o, accoppiando ecniche di machine lea ning e da i di seasonal
o ecas (SF) di p ecipi azioni (P) e empe a u e (T). Sebbene spesso ascu a e nelle analisi id ologiche, le
so gen i i es ono al ol a un uolo s a egico nell’app o igionamen o id ico, come nel caso della ci à di
Pale mo, in cui con ibuiscono in manie a signi ica i a all’app o igionamen o pe usi ci ili.
Pe o imizza e la ges ione di ali iso se, è s a o s iluppa o in Ma lab un modello ib ido CNN-LSTM
(Con olu ional Neu al Ne wo k - Long Sho -Te m Memo y), in g ado di ca u a e pa e n spaziali e empo ali
complessi dei da i id ologici. I da i me eo ologici u ilizza i pe la calib azione del modello sono s a i o enu i dal
da abase BigBang di ISPRA e comp endono se ie mensili di p ecipi azioni e empe a u e dal 1951 al 2023 che
sono s a e spazialmen e media e sull’a ea di ica ica delle so gen i. Le ese osse a e, in milioni di me i cubi
(Mm3), sono s a e o ni e da AMAP, l’en e ges o e del ciclo id ico in eg a o della ci à di Pale mo, e sono
disponibili pe i pe iodi 1958–2007 e 2009–2018, con alcuni gap (es., nei p imi sei mesi del 2009 pe la so gen e
Scilla o).
Pe ogni so gen e, è s a o c ea o un modello, successi amen e calib a o sul pe iodo 1958–2007 e alida o su
quello 2009–2018, u ilizzando in inpu le a iabili me eo ologiche di ISPRA e come a ge le ese osse a e
o ni e da AMAP. I modelli addes a i sono s a i u ilizza i in ase p e isionale, u ilizzando in inpu i da i di SF del
sis ema SEAS5 dell’ECMWF, disponibili dal gennaio 1995. Tali p e isioni cop ono un o izzon e empo ale (lead
ime - LT) da ze o (LT0) a sei mesi (LT6), e si i e iscono alla cella spaziale comp esa a 13° e 14° E e a 37°
e 38° N, in cui icadono le e so gen i e le lo o a ee di ica ica.
Le p e isioni di P e T delle SF sono s a e p e en i amen e co e e ami e una e e neu ale, u ilizzando come
a ge le osse azioni di P e T di ISPRA, e quindi u ilizza e come inpu dei modelli calib a i pe p e ede e le ese
delle singole so gen i pe il pe iodo 1995–2018. Le pe o mance dei modelli sono s a e alu a e sulla base
dell’R² e dell’RMSE, sia pe la singola so gen e, sia pe il sis ema agg ega o, conside ando sia il pe iodo 1995–
2007, che coincide con il pe iodo di calib azione dei modelli, sia il pe iodo 2009–2018, che coincide con quello
di alidazione.
Come a eso, dalle me iche ipo a e in Tabella 1 si osse ano p es azioni miglio i nel pe iodo di calib azione,
coe en emen e con il pe iodo di addes amen o del modello, anche se le p es azioni isul ano esse e
soddis acen i anche nel pe iodo di alidazione. Dall’analisi dei isul a i si iscon a un dec emen o delle
pe o mance delle SF all’aumen a e del lead ime, con e mando che p e isioni a b e e e mine (LT0–LT1)
isul ano più a idabili ispe o a quelle a medio e mine (LT5–LT6), che si i le e anche nella p e isione della
esa.
In Figu a 1 si mos a un esempio della capaci à del modello CNN-LSTM nel p e ede e le ese mensili delle
so gen i, cos i uendo un ool di p e isione della disponibili à id ica che può suppo a e in manie a e icace
decisioni s a egiche nella piani icazione e ges ione delle iso se pe la ci à di Pale mo.
82
Tabella 1. Me iche di pe o mance (R² e RMSE %) del modello CNN-LSTM pe la p e isione delle ese mensili (R) delle
e so gen i (GAB = Gab iele, RIS = Risalaimi, SCI = Scilla o) e del sis ema agg ega o (TOT = somma delle e so gen i),
calcola e pe due in e alli empo ali dis in i: pe iodo coinciden e ase di calib azione (pe iodo C, 1995–2007) e di alidazione
(pe iodo V, 2009–2018). Pe ciascun lead ime (LT0–LT6) delle p e isioni s agionali (SF). L’RMSE è appo a o al alo e
massimo osse a o nella se ie.
LT0
LT1
LT2
LT3
LT4
LT5
LT6
GAB
RMSE (pe iodo C) [%]
4,43%
4,61%
4,91%
5,28%
5,47%
6,03%
6,19%
RMSE (pe iodo V) [%]
7,22%
7,49%
7,99%
8%
7,87%
7,93%
9,49%
R2 (pe iodo C) [-]
0,72
0,7
0,66
0,6
0,57
0,46
0,43
R2 (pe iodo V) [-]
0,34
0,3
0,22
0,24
0,28
0,26
0,21
RIS
RMSE (pe iodo C) [%]
5,68%
7,25%
9,26%
10,74%
12,72%
14,09%
13,03%
RMSE (pe iodo V) [%]
8,71%
8,98%
9,88%
10,22%
9,07%
9,31%
9,03%
R2 (pe iodo C) [-]
0,78
0,64
0,42
0,22
-0,08
-0,32
-0,13
R2 (pe iodo V) [-]
0,5
0,47
0,37
0,33
0,48
0,44
0,47
SCI
RMSE (pe iodo C) [%]
3,61%
4,04%
4,42%
5,09%
5,54%
5,78%
6,49%
RMSE (pe iodo V) [%]
7,03%
7,40%
8,47%
9,77%
10,08%
10,18%
10,20%
R2 (pe iodo C) [-]
0,82
0,77
0,73
0,64
0,58
0,54
0,42
R2 (pe iodo V) [-]
0,66
0,62
0,52
0,36
0,33
0,31
0,3
TOT
RMSE (pe iodo C) [%]
3,48%
4,24%
5,06%
5,72%
6,82%
7,32%
7,27%
RMSE (pe iodo V) [%]
4,76%
5,21%
6,61%
7,46%
7,16%
7,12%
7,33%
R2 (pe iodo C) [-]
0,85
0,78
0,69
0,61
0,45
0,37
0,37
R2 (pe iodo V) [-]
0,82
0,78
0,65
0,57
0,61
0,61
0,59
Figu a 1. a) Sca e plo a alo i osse a i e p e is i pe la so gen e Scilla o nei pe iodi di calib azione e alidazione del
modello; b) Sca e plo a piogge osse a e (BigBang) e piogge g ezze SF LT0 pe Scilla o; c) Sca e plo a piogge
osse a e (BigBang) e piogge delle SF al LT0 co e e con ANN pe Scilla o; d) Rese osse a e e ese p e is e con SF di
P e T co e e con ANN nei pe iodi co isponden i a calib azione e alidazione pe il sis ema delle e so gen i (Gab iele,
Risalaimi e Scilla o) al LT0.
Bibliog a ia
Hoch ei e , S., & Schmidhube , J. (1997). Long Sho -Te m Memo y. Neu al Compu a ion, 9(8), 1735–1780.
h ps://doi.o g/10.1162/neco.1997.9.8.1735
Kho am, S., & Jehbez, N. (2023). A Hyb id CNN-LSTM App oach o Mon hly Rese oi In low Fo ecas ing.
Wa e Resou ces Managemen , 37(10), 4097–4121. h ps://doi.o g/10.1007/s11269-023-03541-w
83
Explo ing Valida ion Me hodologies o Modelled Soil Mois u e
Using G ound Measu emen s and Remo e Sensing Based Da a
Fabio Delogu1, F ancesco Sil es o1, Fabio Ga della2, Gio gio Boni3, Luca Repe o2*
1 CIMA Resea ch Founda ion, Sa ona, I aly
2 ARPAL - Agenzia Regionale pe l’Ambien e, Geno a, I aly
3 Dipa imen o DICCA, Uni e si à Degli S udi di Geno a, Geno a, I aly
*e-mail: luca.[email p o ec ed]
Abs ac
This wo k aims o compa e di e en Soil Mois u e p oduc s agains he in-si u measu emen s o Volume ic
Wa e Con en (VWC).
The da ase s analyzed include dis ibu ed sa elli e-based p oduc s, speci ically: he SMAP (Soil Mois u e
Ac i e Passi e) SPL2SMP_E da ase (ONeill e al., 2021) and he HSAF-ASCAT Soil Mois u e p oduc s (e.g.,
H16, H103). In con as , he model-based da ase s comp ise he h ee op-laye Soil Mois u e es ima es om
he ECMWF and he Roo Zone Soil Mois u e de i ed om a dis ibu ed physically based hyd ological model
(Laiolo e al., 2016). Some da ase s, such as he ECMWF soil mois u e p oduc , equi ed he me ging o wo
di e en da a sou ces: he nea - eal- ime H26 p oduc and he o line p oduc H142, whose da a eco d
ex ension ends in 2019. This me ging was necessa y o co e he ull pe iod o analysis, which begins in July
2021 wi h he s a o he VWC g ound-based obse a ions.
The in-si u measu emen s, ins ead, include nine s a ions wi h senso s a h ee di e en dep hs, loca ed ac oss
he Ligu ian Region as pa o he OMIRL egional obse a o y ne wo k o he Regional En i onmen al Agency
(ARPAL).
Modelled and sa elli e-de i ed soil mois u e alues we e ex ac ed om g ids by a e aging he pixel alues
wi hin a de ined spa ial window cen ed a ound each in-si u obse a ion poin loca ion. Then, he measu emen s
we e synch onized wi h he in–si u g ound obse a ions by esampling he da a o a daily equency, a e which
an exponen ial il e was applied, i necessa y (B occa e al., 2013).
The poin -scale measu emen s we e agg ega ed in o a single VWC alue pe poin ia a weigh ed a e age
be ween he alues a di e en dep hs. Since sa elli e and model da a ep esen soil mois u e di e en ly,
escaling echniques a e applied o make hem compa able o g ound-based VWC. Commonly used s a egies
include min–max no maliza ion, linea eg ession scaling, and a ious o ms o cumula i e dis ibu ion unc ion
(CDF) ma ching (B occa e al., 2013).
This s udy e alua es and iden i ies he mos e ec i e combina ion o agg ega ion and escaling me hods by
assessing he accu acy o each escaled p oduc wi h di e en me ics (e.g. NSE, RMSE, Bias, Pea son ). The
objec i e o his s udy is o lay he g oundwo k o he u u e de elopmen o an ope a ional nea eal- ime
compa ison o modeled soil mois u e wi h he g ound-based obse a ions, o de ec possible o e - o
unde es ima ions o he modeled soil mois u e i sel .
84
Figu a 1. Time se ies o escaled soil mois u e p oduc s (ECMWF, SMAP, HMC) and obse ed VWC a 10 cm dep h om
Va a Supe io e s a ion (Ap il 1–May 31, 2025), including daily hea maps and accu acy me ics o he 2 mon hs
pe iod.
Re e ences
Laiolo P. e al., “Impac o di e en sa elli e soil mois u e p oduc s on he p edic ions o a con inuous dis ibu ed
hyd ological model,” In . J. Appl. Ea h Obs. Geoin o ma ion, ol. 48, pp. 131–145, Jun. 2016, doi:
10.1016/j.jag.2015.06.002.
“Omi l Online.” Accessed: Jun. 11, 2025. [Online]. A ailable: h ps://omi l. egione.ligu ia.i /Omi l/#/anima ions
B occa, L., Melone, F., Mo ama co, T., Wagne , W., & Albe gel, C. (2013). Scaling and il e ing app oaches o
he use o sa elli e soil mois u e obse a ions. Remo e Sensing o Ene gy Fluxes and Soil Mois u e Con en ,
411, 426.
O’Neill P. e al., “SMAP Enhanced L2 Radiome e Hal -O bi 9 km EASE-G id Soil Mois u e, Ve sion 5.” NASA
Na ional Snow and Ice Da a Cen e Dis ibu ed Ac i e A chi e Cen e , 2021. doi: 10.5067/LOT311EZHH8S.
“P oduc s lis - H SAF O icial web si e.” Accessed: Jun. 11, 2025. [Online]. A ailable:
h ps://hsa .me eoam.i /P oduc s/P oduc sLis ? ype=soil_mois u e
85
Dynamic Soil-A mosphe e In e ac ions in Medi e anean
Fo es s: Insigh s om Wa ele Analysis
Ilenia Mu gia1*, Ch is ian Massa i2, Ma eo Ve done1, Kons an inos Ka as3, Da id Laba 4,
Daniele Penna1,2
1 Depa men o Ag icul u e, Food, En i onmen and Fo es y, Uni e si y o Flo ence, Flo ence, I aly
2 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Pe ugia, I aly
3 Depa men o Science, Roma T e Uni e si y, Rome, I aly
4 Géosciences En i onnemen Toulouse (GET), Uni e si é Toulouse, Toulouse, F ance
*e-mail: [email p o ec ed]
Abs ac
Unde s anding eco-hyd o-me eo ological (EHM) in e ac ions and hei eedback mechanisms is c ucial o
comp ehending hyd ological dynamics in o es ed ca chmen s, pa icula ly in Medi e anean egions
cha ac e ized by s ong clima ic seasonali y and complex opog aphy. While adi ional ime se ies analyses
o en o e simpli y hese complex, non-s a iona y dynamics, ou s udy employs wa ele -based analysis o
in es iga e he mul i-scale in e ac ions and c ucial lead-lag ela ionships among p ecipi a ion, apo p essu e
de ici , soil mois u e, and sap low. We hypo hesize ha EHM in e ac ions display h eshold-dependen
swi ching beha io , whe e he di ec ion and in ensi y o eedback—and consequen ly, lead-lag dynamics—shi
in esponse o c i ical en i onmen al condi ions such as soil mois u e a ailabili y and a mosphe ic demand,
a ying ac oss opog aphic posi ions wi hin a Medi e anean o es ed ca chmen .
U ilizing con inuous wa ele ans o m and wa ele cohe ence on da a om he Lecciona expe imen al
hillslope in cen al I aly (Tuscany), we cap u ed dis inc empo al and pe iodic dynamics o EHM a iables. Ou
indings e eal ha hillslope soil mois u e exhibi s apid, e en -d i en esponses o p ecipi a ion, wi h echa ge
mechanisms a ying be ween we and d y spells, showing g ea e sensi i i y o clima ic o cing compa ed o
ipa ian soil mois u e, which demons a es smoo he , mo e bu e ed esponses. No ably, sap low displays
in ense daily cycles, and hillslope sap low expe iences a signi ican educ ion du ing summe d ough . C ucially,
ou wa ele cohe ence analysis illumina es dynamic shi s in lead-lag ela ionships. Fo ins ance, du ing we
pe iods, p ecipi a ion o en leads o apid inc eases in soil mois u e on hillslopes. Howe e , unde d y condi ions
- especially in hillslope loca ions - we obse e ins ances whe e soil mois u e luc ua ions can p ecede
p ecipi a ion e en s o whe e VPD inc easingly in luences anspi a ion dynamics, wi h soil mois u e lagging. In
con as , ipa ian posi ions, sus ained by subsu ace wa e , main ain soil mois u e as a mo e consis en leading
d i e o sap low and VPD du ing d y pe iods.
This esea ch demons a es he e icacy o wa ele -based analysis in iden i ying empo al shi s in lead-lag
dynamics and eedback mechanisms wi hin o es soil-a mosphe e in e ac ions ac oss a ious ime and
equency scales. Such insigh s a e c ucial o enhancing ou unde s anding o o es ecosys em esilience and
o in o ming mo e e ec i e wa e and o es esou ce managemen s a egies in Medi e anean clima es, whe e
wa e sca ci y and he e ec s o clima e change a e becoming inc easingly p onounced.
92
Modeling S eam low unde Da a Sca ci y:
Regionaliza ion o IHACRES Using Ca chmen A ibu es in a
Medi e anean Se ing
F ancesco Alongi*, Ca e ina Alonzo, An onio F ancipane, Leona do Vale io No o
Depa men o Enginee ing, Uni e si y o Pale mo, Pale mo, I aly
*e-mail: [email p o ec ed]
Abs ac
Rain all- uno (RR) models a e undamen al ools in hyd ology, enabling he simula ion and p edic ion o
wa e sheds esponses o p ecipi a ion and o he clima ic inpu s. These models ep esen key hyd ological
p ocesses (e.g., in il a ion, su ace uno , e apo anspi a ion) and a e widely applied in wa e esou ce
managemen , lood o ecas ing, d ough assessmen , and clima e change impac analysis. Rega dless o
whe he hey a e concep ual, empi ical, o physically based, RR models ely on a se o pa ame e s ha egula e
he ep esen a ion o hyd ological p ocesses wi hin he model. Pa ame e s mus be calib a ed o ensu e models
can ep oduce s eam low dynamics accu a ely, minimizing disc epancies be ween simula ed and obse ed
discha ge. Howe e , he calib a ion p ocess is highly dependen on he a ailabili y, con inui y and quali y o
long- e m hyd ome eo ological eco ds, including p ecipi a ion, empe a u e, and s eam low da a. In gauged
ca chmen s, whe e discha ge obse a ions a e a ailable, calib a ion can be pe o med di ec ly. In con as ,
ungauged basins lack such da a, making con en ional calib a ion un easible. In hese cases, model pa ame e s
mus be es ima ed h ough al e na i e s a egies, such as egionaliza ion echniques, empi ical ela ionships, o
analogies wi h hyd ologically simila gauged basins (Samuel e al., 2011; A senaul e al., 2019). These
app oaches assume ha ca chmen s sha ing simila clima ic, opog aphic, and land-use cha ac e is ics also
exhibi simila hyd ological beha io , allowing pa ame e alues o be ans e ed using simila i y me ics.
Al hough such indi ec es ima ion me hods ex end he applicabili y o RR models o da a-sca ce egions, hey
inhe en ly in oduce unce ain y due o lack o di ec obse a ions. Among hese app oaches, egionaliza ion
echniques speci ically aim o mi iga e his unce ain y by es ablishing s a is ical o concep ual ela ionships
be ween model pa ame e s and measu able ca chmen a ibu es (e.g., basin a ea, slope, soil and ege a ion
ypes, clima ic condi ions).
The analysis p esen ed in his s udy was ca ied ou using he IHACRES model (Iden i ica ion o Hyd og aphs
And Componen s om Rain all, E apo a ion, and S eam low; Jakeman & Ho nbe ge , 1993), a lumped
concep ual ain all- uno model speci ically designed o simula e s eam low esponses using limi ed clima ic
inpu da a. IHACRES is based on he ans o ma ion o ain all in o s eam low h ough a simpli ied ye e ec i e
ep esen a ion o ca chmen -scale hyd ological p ocesses. I s s uc u e is pa icula ly sui ed o applica ions in
da a-sca ce en i onmen s, due o i s pa simony, lexibili y, and low compu a ional demand (Ye e al., 1997;
Lo i ad e al., 2019). The model consis s o wo main modules: (i) a non-linea loss module, which con e s aw
ain all in o e ec i e ain all by accoun ing o soil mois u e dynamics and empe a u e-dependen
e apo anspi a ion losses, and (ii) a linea ou ing module, based on uni hyd og aphs, which ansla es he
e ec i e ain all in o s eam low a he ca chmen ou le . IHACRES has demons a ed s ong adap abili y ac oss
a wide ange o clima ic and hyd ological se ings, and i is especially e ec i e in semi-a id and a id egions,
including ca chmen s wi h in e mi en o epheme al s eam low (C oke e al., 2007). These cha ac e is ics make
i a pa icula ly ele an choice o modeling hyd ological p ocesses in Medi e anean en i onmen s.
In his s udy, he IHACRES model was applied o a selec ion o gauged ca chmen s dis ibu ed ac oss Sicily
(I aly), chosen o ep esen he di e si y o clima ic, mo phological, and hyd ological condi ions cha ac e izing
he egion. Fo he pu poses o calib a ion and alida ion, a comp ehensi e and long- e m hyd ome eo ological
da ase was employed. This da ase includes daily ime se ies o p ecipi a ion, ai empe a u e, and s eam low
spanning he pe iod 1951-1997, and was made a ailable by he Ri e Basin Au ho i y o he Hyd og aphic
Dis ic o he Sicily Region. The calib a ion o he IHACRES model was pe o med using a mul i-objec i e
app oach designed o achie e a balanced pe o mance ac oss mul iple hyd ological e alua ion c i e ia. To
de e mine he op imal se o model pa ame e s, a anking-based s a egy was employed: o each simula ion,
model esul s we e anked acco ding o each pe o mance me ic, and he inal solu ion was selec ed as he
bes comp omise among he op-pe o ming con igu a ions. The adop ed app oach yielded eliable esul s
du ing he calib a ion phase, wi h accu a e ep oduc ion o obse ed hyd og aphs, low olumes, and FDCs.
Fu he mo e, he obus ness o he calib a ed pa ame e se s was con i med du ing he alida ion phase,
demons a ing he model’s abili y o gene alize o independen da a.
93
Following he success ul calib a ion and alida ion o he IHACRES model, he aim was o ex end i s
applicabili y o ungauged Sicilian basins (i.e., model egionaliza ion), whe e di ec s eam low obse a ions a e
una ailable (Figu e 1). As a undamen al p elimina y s ep, a co ela ion analysis was conduc ed o explo e
ela ionships bo h among he calib a ed model pa ame e s hemsel es and be ween pa ame e s and key
physiog aphic and clima ic cha ac e is ics o he ca chmen s (i.e., ca chmen a ea, mean slope, ele a ion, soil
ex u e, land co e ypes, and clima ic indica o s, such as mean annual p ecipi a ion and empe a u e). Building
upon hese insigh s, he s udy conside ed some egionaliza ion app oaches. The pe o mance o each
echnique was assessed using s a is ical me ics (Mih e e al., 2025). This compa a i e analysis p o ided use ul
insigh s in o he ela i e s eng hs o he di e en me hods in e ms o p edic i e eliabili y and obus ness, wi h
he goal o iden i y he mos e ec i e egionaliza ion echnique o a eliable model pa ame e es ima ion in he
ungauged Sicilian ca chmen s.
Figu e 1. Flowcha o he IHACRES model egionaliza ion s a egy.
Re e ences
A senaul , R., B e on-Du ou , M., Poulin, A., Dallai e, G., & Rome o-Lopez, R. (2019). S eam low p edic ion in
ungauged basins: Analysis o egionaliza ion me hods in a hyd ologically he e ogeneous egion o Mexico.
Hyd ological Sciences Jou nal, 64(11), 1297–1311. h ps://doi.o g/10.1080/02626667.2019.1639716
C oke, B. F. W., & Jakeman, A. J. (2007). Use o he IHACRES ain all- uno model in a id and semi-a id
egions. In H. Whea e , S. So ooshian, & K. D. Sha ma (A c. Di), Hyd ological Modelling in A id and Semi-
A id A eas (1a ed., pp. 41–48). Camb idge Uni e si y P ess.
h ps://doi.o g/10.1017/CBO9780511535734.005
Jakeman, A. J., & Ho nbe ge , G. M. (1993). How much complexi y is wa an ed in a ain all‐ uno model?
Wa e Resou ces Resea ch, 29(8), 2637–2649. h ps://doi.o g/10.1029/93WR00877
Lo i ad, M., Salehpoo Laghani, J., & Ash a zadeh, A. (2019). Using he IHACRES model o in es iga e he
impac s o changing clima e on s eam low in a semi-a id basin in no h-cen al I an. Jou nal o Hyd aulic
S uc u es, 5(1). h ps://doi.o g/10.22055/jhs.2019.27816.1090
Mih e , T. T., Zemale, F. A., Wo qlul, A. W., Ayalew, A. D., & Foh e , N. (2025). Unlocking wa e shed mys e ies:
Inno a i e egionaliza ion o hyd ological model pa ame e s in da a-sca ce egions. Jou nal o Hyd ology:
Regional S udies, 57, 102163. h ps://doi.o g/10.1016/j.ej h.2024.102163
Samuel, J., Coulibaly, P., & Me cal e, R. A. (2011). Es ima ion o Con inuous S eam low in On a io Ungauged
Basins: Compa ison o Regionaliza ion Me hods. Jou nal o Hyd ologic Enginee ing, 16(5), 447–459.
h ps://doi.o g/10.1061/(ASCE)HE.1943-5584.0000338
Ye, W., Ba es, B. C., Viney, N. R., Si apalan, M., & Jakeman, A. J. (1997). Pe o mance o concep ual ain all‐
uno models in low‐yielding epheme al ca chmen s. Wa e Resou ces Resea ch, 33(1), 153–166.
h ps://doi.o g/10.1029/96WR02840
94
Modellazione id ologica-id odinamica in eg a a pe la
simulazione della ispos a id ologica di un bacino di es a a
Pie anco Cos abile*, Ca melina Cos anzo, Luca Fu na i, F ancesco G eco, Ma ghe i a Lomba do,
Al onso Sena o e, Giuseppe Mendicino
Dipa imen o di Ingegne ia dell’Ambien e, Uni e si à della Calab ia, Rende (CS), I alia
*e-mail: [email p o ec ed]
Somma io
Ques o la o o p esen a un’analisi compa a i a a due app occi modellis ici id ologici applica i alla simulazione
a lussi-de lussi in un piccolo bacino di es a a in ambien e medi e aneo. In pa icola e, sono s a i messi a
con on o un modello id ologico in eg a o, In eg a ed Su ace-Subsu ace Hyd ological Model (ISSHM) e un
modello Rain-on-G id (RoG) in cui le pe di e pe in il azione sono a a e di e amen e nel bilancio supe iciale.
Il p imo, Hyd oCAL è un ISSHM inno a i o basa o sul pa adigma degli Au omi Cellula i (Mendicino e al., 2006;
Fu na i e al., 2021, 2024) men e il secondo, UniCal (Cos abile & Cos anzo, 2021; Cos abile e al., 2024) è un
modello id odinamico comple o che isol e le equazioni di Sain -Venan bidimensionali e iene con o delle
pe di e pe in il azione median e il modello di G een-Amp (Cos abile e al., 2023). En ambi i modelli sono s a i
implemen a i su a chi e u e di calcolo pa allelo ad al e p es azioni, ma ado ano o mulazioni isiche e
nume iche di e en i pe app esen a e i p ocessi id ologici supe iciali e so e anei. Lo scopo p incipale dello
s udio è alu a e in che misu a un modello id ologico-id odinamico in eg a o di ipo RoG, che non include
esplici amen e i eedback dell’umidi à del suolo, possa app ossima e la ispos a id ologica p odo a da un
ISSHM isicamen e basa o. Le simulazioni hanno in e essa o un e en o di piena e i ica osi nel dicemb e 2022
nel bacino del o en e Tu bolo (7 km2), a luen e del iume C a i (Calab ia), do a o di senso is ica a i a che
o nisce in con inuo da i di pioggia e di po a a. La pa ame izzazione e le s a egie di calib azione dei modelli
sono commisu a e alle inali à pe le quali i modelli sono concepi i: Hyd oCal dis ingue 19 classi di uso del suolo
e 7 ipi di suolo con una s a i icazione e icale mul i-laye . Man enendo la s essa pa ame izzazione desc i a
da Fu na i e al. (2024), il modello ha ichies o una ase di wa m-up pe app ossima e il de lusso di base
osse a o ed una calib azione del solo pa ame o k go, unzione della cope u a del suolo. Il modello RoG, pe il
caso speci ico, dis ingue due soli alo i di scab ezza (canale e e san e) e due classi di suolo (sabbie e a gille).
Il modello RoG è s a o calib a o a a e so un app occio sempli ica o di ipo ial-and-e o , agendo
p incipalmen e sulla conducibili à id aulica a sa u azione, man enendo cos an i gli al i pa ame i.
I isul a i mos ano che, nonos an e le di e enze s u u ali e conce uali, en ambi i modelli ip oducono con
buona accu a ezza l’id og amma osse a o (Figu a 1).
Figu a 1. Con on o a po a e osse a e e simula e
Il modello RoG è pa icola men e e icace nel app esen a e la ase iniziale della piena, ca a e izza a da
de lussi apidi e da un picco in p ossimi à dell’e en o pio oso p incipale. La s ima del empo di picco isul a ben
95
allinea a alle osse azioni, indicando che, in condizioni di ispos a apida do u a a meccanismi di ipo
ho oniano, il modello RoG può o ni e una app esen azione adegua a. Tu a ia, nella ase successi a al colmo,
quando dominano p ocessi di ipo dunniano e il con ibu o so e aneo di en a più ile an e, il modello ISSHM
o e p es azioni supe io i, g azie alla app esen azione esplici a della dinamica dell’umidi à del suolo.
Dal pun o di is a spaziale, i due modelli mos ano di e enze nella app esen azione della e e di d enaggio.
Il modello RoG, g azie a una disc e izzazione a iabile ino a 2 me i nelle a ee canalizza e, e idenzia una e e
più densa e con inua, capace di coglie e le a iazioni locali di la ghezza del canale e l’e e ogenei à id odinamica
su scala ine. Al con a io, la simulazione ISSHM, esegui a con una isoluzione uni o me di 20 me i, mos a una
s u u a della e e id og a ica più ammen a a, sop a u o nei co si d’acqua seconda i, ma comunque coe en e
nella geome ia gene ale. Le ca a e is iche delle e i di d enaggio supe iciale gene a e i elano un buon
acco do a i due app occi, e idenziando, coe en emen e, una maggio e e e ogenei à nelle al ezze d’acqua
simula e dal modello RoG (Tabella 1).
Tabella 1. Indica o i s a is ici di base ela i i alla e e di d enaggio supe iciale gene a a dai due modelli (hmax > 0.05 m)
Indica o e
ISSHM-Hyd oCAL
RoG-UniCal
Al ezza id ica
massima (m)
0.41
0.58
Al ezza id ica
media (m)
0.12
0.13
De iazione
s anda d (m)
0.07
0.11
Nel complesso, i isul a i indicano che il modello RoG può app esen a e in modo soddis acen e la dinamica
di e en i di piena apida, isul ando pa icola men e u ile in con es i applica i i o ien a i alla alu azione del
ischio. Tu a ia, pe analisi più app o ondi e che ichiedano una desc izione isicamen e onda a dei p ocessi
id ologici, in pa icola e nei egimi con olla i dalla sa u azione, il modello ISSHM isul a più ada o anche
u ilizzando isoluzioni spaziali non pa icola men e accu a e. Lo s udio sugge isce una possibile
complemen a i à a i due app occi, ap endo la s ada allo s iluppo u u o di s a egie ib ide capaci di in eg a e
l’e icienza spaziale dei modelli RoG con la app esen azione isica comple a o e a dagli ISSHM.
Ques a analisi p elimina e o nisce un con ibu o o iginale nel colma e il di a io me odologico a modelli
o ien a i alla p e isione del ischio id aulico e modelli id ologici in eg a i, p omuo endo una isione che supe i
la logica di semplice accoppiamen o id ologico-id aulico. Le p ospe i e u u e includono l’es ensione della
spe imen azione a condizioni id ome eo ologiche di e se e il miglio amen o della app esen azione dei p ocessi
id ologici nei modelli RoG pe suppo a e sia la p e isione di impa i ad al a isoluzione sia l’analisi dei p ocessi
id ologici su scala di bacino.
Bibliog a ia
Cos abile, P., & Cos anzo, C. (2021). A 2D-SWEs amewo k o e icien ca chmen -scale simula ions:
Hyd odynamic scaling p ope ies o i e ne wo ks and implica ions o non-uni o m g ids gene a ion.
Jou nal o Hyd ology, 599, 126306.
Cos abile, P., Cos anzo, C., Kalogi os, J., & Bellos, V. (2023). Towa d s ee ‐le el nowcas ing o lash loods
impac s based on HPC hyd odynamic modeling a he wa e shed scale and high‐ esolu ion wea he ada
da a. Wa e Resou ces Resea ch, 59(10), e2023WR034599.
Cos abile, P., Cos anzo, C., Lomba do, M., Sha e s, E., & S anislawski, L. V. (2024). Un a elling spa ial
he e ogenei y o inunda ion pa e n domains o 2D analysis o lu ial landscapes and d ainage ne wo ks.
Jou nal o Hyd ology, 632, 130728.
Fu na i, L., De Rango, A., Sena o e, A., Mendicino, G. (2024). Hyd oCAL: A no el in eg a ed su ace–
subsu ace hyd ological model based on he Cellula Au oma a pa adigm. Ad ances in Wa e Resou ces,
185, 104623.
Fu na i, L., Sena o e, A., De Rango, A., De Biase, M., S a ace, S., Mendicino, G. (2021). Asynch onous cellula
au oma a subsu ace low simula ions in wo- and h ee-dimensional he e ogeneous soils. Ad ances in
Wa e Resou ces, 153, 103952.
Mendicino, G., A. Sena o e, G. Spezzano, and S. S a ace (2006), Th ee-dimensional unsa u a ed low
modeling using cellula au oma a, Wa e Resou ces Resea ch, 42, W11419.
96
A cos -e ec i e app oach o es ima ing lood haza d-
scena ios induced by clima e change
Leona do Mancusi1, A ianna T e isiol1, And ea Abba e1, Paola Faggian1, Ra aele Albano2*
1 Sus ainable De elopmen and Ene gy Sou ces Depa men , Rice ca sul Sis ema Ene ge ico RSE SpA, Milano, I aly
2 Depa men o Heal h Science, Uni e si y o Basilica a, Po enza, I aly
*e-mail: [email p o ec ed]
Abs ac
Floods a e a ma e o conce n as hey a e a common na u al haza d in many pa s o he wo ld. Fo his
eason, in compliance wi h he EU Flood Di ec i e, implemen ed in I aly by Legisla i e Dec ee 49/2010 in he
Flood Risk Managemen Plan (FRMP), he Dis ic Basin Au ho i ies ha e de eloped i e lood haza d maps o
p o ide a knowledge ool o c i ical in as uc u e planning. These maps, ob ained by analyzing he equency
o loods in he pas , cha ac e ize he na ional e i o y (a leas o he main hyd og aphic ne wo k) o h ee
dis inc haza d scena ios depending on he e u n pe iod (RP): scena io P1 ( a e e en s ypically wi h RP = 500
yea s), scena io P2 (in equen e en s, RP = 100-200 yea s), scena io P3 ( equen e en s, RP = 20-50 yea s).
Sho and hea y ain alls a e he main causes o loods. Since hey a e expec ed o inc ease in bo h equency
and in ensi y o e I aly (Faggian and T e isiol, 2024), some s udies a e ca ied ou in RSE o es ima e u u e
changes in haza ds o he Na ional Elec ici y T ansmission G id (NTG), due o clima e change, by using
p ecipi a ion da a om 1971 o 2100 p o ided by 11 egional Eu o-CORDEX clima e models.
Because NTG spans he en i e coun y, i is necessa y o p oceed wi h mul ile el app oaches, ha ing
inc easing deg ees o dep h and complexi y, o gene a e haza d maps co e ing he en i e domain o in e es .
This s udy is a i s le el o analysis wi h he aim o p o ide in a ela i ely sho ime a desc ip ion o lood
haza ds a he na ional scale, which could be ollowed by mo e de ailed s udies ocused on a eas o highes
isk, de eloped by means o hyd ologic-hyd aulic models in hyd ological downscaling. The p ocess, p esen ed
below o he sample a ea o he I alian egion Emilia-Romagna, consis s o he ollowing poin s:
• on he basis o clima e models, o each homogeneous ain all sub-a ea de ined by he VAPI p ojec
(VAlu azione delle PIene p ojec , h p://www.id ologia.poli o.i /gndci/Vapi.h m, las access: 6 June
2025), ex eme daily ain all le els (RL) a e e alua ed o he his o ical pe iod (REF = 1971-2000)
wi h RP 20, 200, and 500 yea s. Then, o he same RL, he RP a e compu ed in he h ee u u e
pe iods 2021-2050, 2041-2070, and 2071-2100;
• conside ing ha hea y ain alls a e he main cause o looding, he change in lood equency is
assumed o be equal o he change in equency o ex eme p ecipi a ions: RP changes o P1, P2,
and P3 a e in e ed om each clima e model, applying he Ex eme Value Analysis echnique, and
om he ange o ensemble model a ia ion he unce ain y o he esul s is es ima ed;
• s a ing om he EU-DEM digi al e ain model a 25 m o esolu ion, hyd ologically condi ioned o
make he uno pa hs consis en wi h he FRMP maps, he Geomo phic Flood Index (GFI) (Albano
e al., 2025) wi h uni h eshold alue (Fig. 1a) is e alua ed, hence, o each homogeneous zones,
h ee h eshold alues (Fig. 1b) a e calib a ed o op imally ep oduce he FRMP maps o P1, P2 and
P3;
• o e alua e haza d maps in he h ee u u e pe iods a RP= 20, 200, and 500 yea s, he so-called
“lookup me hod” (Kimu a e al., 2023) is used o ind he co espondence be ween lood le els and
RP in his o ical and u u e pe iods.
In Tab. 1, in addi ion o he map o homogeneous sub-a eas in Emilia-Romagna, he RP alues ob ained om
he median o he ensemble o clima e models a e epo ed. Despi e modeling dispe sion (Fig. 1c), he analysis
indica es a gene al end owa d educed RP in he u u e, i.e., an inc ease in looding equency in compa ison
wi h REF. Fo each u u e 30-yea pe iod, by in e pola ing he da a in Tab. 1, o RP 20, 200 and 500 yea s, he
co esponding his o ical RPs a e calcula ed. Then, om he GFI s. RP ela ionship in he his o ical pe iod,
h eshold alues o GFI in he u u e a e in e ed by using he RPs calcula ed in he p e ious s ep. Finally, om
he new GFI alues, u u e lood a eas P1, P2 and P3 a e deduced (Fig. 1d).
97
Table 1. Map o homogeneous sub-a eas in Emilia-Romagna and ela ed alues o RPs, calcula ed as he median o he
model ensemble, in he pe iods 2021-2050, 2041-2070, 2071-2100 and co esponding o RP 20, 200, 500 yea s in REF.
Fu u e Pe iods
2021-2050
2041-2070
2071-2100
Zones / RPs
20
200
500
20
200
500
20
200
500
BoAnPi_C
12
64
104
11
40
69
7
55
118
BoAnPi_B_Reno
15
81
141
12
44
71
20
69
126
BoAnPi_A
11
82
85
10
39
63
8
65
59
BoAnPi_D
10
39
56
9
69
110
6
25
37
BoAnPi_E
17
115
213
9
40
56
6
36
91
BoAnPi_D_Reno
15
77
145
9
45
38
7
67
181
BoAnPi_B
19
83
188
11
95
186
12
107
133
BoAnPi_C_Reno
15
92
168
12
41
68
12
83
211
BoAnPi_E_Reno
17
117
134
12
57
91
9
42
96
a)
b)
c)
d)
Figu e 1. a) Map o GFI wi h uni a y h eshold; b) Map o GFI h eshold alues calib a ed agains he P2 scena io o he
FRMP; c) Boxplo o modeled RPs o ou homogeneous a ea in he pe iod 1971-2000 (blue), 2001-2030 (g een), 2021-
2050 (yellow), 2041-2070 (o ange ), and 2071-2100 ( ed) co esponding o RP=200 yea in REF; d) Map o loodable
a eas ob ained h ough GFI o he his o ical P2 scena io and o 2021-2050 and 2041-2070 p ojec ions.
Acknowledgemen s
This wo k has been inanced by he Resea ch Fund o he I alian Elec ical Sys em unde he Th ee-Yea
Resea ch Plan 2025-2027 (MASE, Dec ee n.388 o No embe 6 h, 2024), in compliance wi h he Dec ee o
Ap il 12 h, 2024”.
Re e ences
Albano, R. and Adamowsky, J. (2025) Use o digi al ele a ion models o lood suscep ibili y assessmen ia a
hyd ogeomo phic app oach: A case s udy o he Basen o Ri e in I aly, Na . Haz., 121, 8, 104758;
Faggian, P., T e isiol, A. (2024) Clima e ex eme scena ios a ec ing he I alian ene gy sys em wi h a mul i-
haza d app oach. Bull. o A mos. Sci.& Technol., 5, 4;
Kimu a, Y., Hi abayashi, Y., Ki a, Y., Zhou, X., and Yamazaki, D. (2023) Me hodology o cons uc ing a lood-
haza d map o a u u e clima e, Hyd ol. Ea h Sys . Sci., 27, 1627–1644.
98
An index-based app oach o iden i y a eas wi h low lood isk
sus ainabili y
Daniela Biondi*, Danilo Spina, Gio anna Cappa elli, F ancesco C uscomagno
Depa men o Compu e , Modelling, Elec onics and Sys ems Enginee ing (DIMES), Uni e si y o Calab ia, Rende (CS),
I aly
*e-mail: [email p o ec ed]
Abs ac
The inc easing equency and in ensi y o ex eme wea he e en s, in he con ex o global changes, highligh s
he u gency o unde s anding and mi iga ing hyd ogeological isks. Accu a e iden i ica ion o a eas exposed o
po en ial looding plays a key ole in o mula ing land managemen s a egies and de ining adap a ion policies.
Wi hin he amewo k o he PON Go e nance and Ins i u ional Capaci y 2014-2020 p og am, a de ini ion o
A eas wi h Lowe Risk Sus ainabili y (ALRS) was in oduced: "A eas whe e c i ical hyd ogeological and
hyd aulic phenomena could occu , mos ly cha ac e ized by high kine ic ene gy, and whe e condi ions o
exposu e and ulne abili y exis ha make i di icul o p omp ly and e ec i ely implemen measu es o
sa egua d public and p i a e sa e y and asse s" (Ve sace e al., 2021a). As pa o he “Tech4You -
Technologies o clima e change adap a ion and quali y o li e imp o emen ” p ojec , an Indi idual Flood Risk
(IFR) index was de eloped using an empi ical, index-based app oach. This me hodology was es ed in he u ban
a ea o Cosenza, a municipali y in e sec ed by a dense hyd og aphic ne wo k, p ima ily he C a i and Busen o
i e s.
The IFR index ep esen s he isk o which an indi idual is exposed, p o iding a comp ehensi e measu e o
lood- ela ed h ea s. I can ake alues be ween ze o and one, wi h highe alues indica ing highe isk. The
quan i a i e e alua ion o IFR is amed wi hin a b oade amewo k, called QUEST (QUan i a i e ESTima o )
(Ve sace e al., 2021b). Flood isk is concep ually s uc u ed in o se e al componen s ha align wi h he main
e ms o he isk equa ion—haza d, ulne abili y, exposu e, and coping capaci y—building upon he o mula ion
o UNISDR (2009), which expands on ha o Va nes (1984):
• Haza d e e s o he likelihood o lood ela ed p ocesses ha may esul in loss o li e, inju y, o o he
heal h impac s, as well as p ope y damage.
• Exposu e indica es he p esence o people, in as uc u e, housing, p oduc ion capaci ies and o he
angible asse s loca ed in haza d-p one a eas.
• Vulne abili y e e s o he suscep ibili y o communi ies, asse s, o sys ems o he impac s o haza ds,
depending on condi ions shaped by physical, social, economic, and en i onmen al ac o s o
p ocesses.
• Coping Capaci y is a beha iou al capaci y o people, ins i u ions, o ganiza ions and sys ems, using
a ailable skills, alues, belie s, esou ces, and oppo uni ies, o add ess, manage and o e come
ad e se condi ions in he sho o medium e m.
The sco es o haza d, exposu e, ulne abili y, and coping capaci y ange om 0 o 1. I should be no ed ha ,
in he calcula ion o he index, coping capaci y inco po a es “posi i e” indica o s in o he analysis, helping o
mi iga e he impac o he e en and e ec i ely educing he isk alue. The way in which isk is calcula ed, is
he e o e based on he ollowing o mula ion:
Risk = Haza d x Exposu e x Vulne abili y x (1 – Coping Capaci y)
(1)
The es ima ion o he IFR index ollows a sys ema ic, s ep-by-s ep p ocess in ol ing he cascading analysis
o app oxima ely 50 indica o s (including di ec measu es, p oxies, and composi e indices), g ouped in o 24
a ibu es and 8 domains ha cha ac e ize he key componen s o he isk equa ion. The cons uc ion o he
index applies a ious agg ega ion ules, such as selec ing he bes o wo s indica o , as well as using weigh ed
a i hme ic and geome ic a e ages. Indica o s a e i s es ima ed and no malized, hen agg ega ed hie a chically
in a bo om-up manne h ough successi e le els. The c i ical scena io conside ed was a po en ial i e o e low
caused by a 500-yea e u n pe iod lood e en in he s udy a ea. A 2D modeling amewo k was adop ed, using
HEC-RAS 6.6 o simula e loodable a eas and e en in ensi y (e.g., wa e dep h and low eloci y). The
e alua ion a ea o he index also includes zones his o ically a ec ed by looding (see Fig. 1a), as documen ed
99
in o icial sou ces (e.g. PAI and PGRA). Figu e 1b shows he IFR index esul s a a 5×5 m g id esolu ion o he
u ban a ea o Cosenza. Da a o igina es om a ious sou ces, including exis ing da abases (e.g., ISTAT),
hema ic maps, echnical epo s, and ad hoc su eys and s udies. Addi ionally, sa elli e-de i ed da ase s (such
as he Cope nicus U ban A las) we e used o ob ain de ailed and up- o-da e in o ma ion on land use and u ban
mo phology. Figu e 1c shows he de ail o he con luence be ween he wo i e s. The IFR index can se e
mul iple pu poses beyond isk assessmen . I can be used o p io i ize a eas o eme gency esponse, guide he
alloca ion o esou ces, and suppo he e alua ion o non-s uc u al measu es (such as ea ly wa ning sys ems
o land-use planning policies). Mo eo e , he index allows o he compa ison o di e en isk scena ios,
including he e ec s o clima e change o u u e u ban de elopmen .
Figu e 1. a) Floodable a eas, including his o ically looded zones ( a ious sou ces); b)IFR index a a 5×5m g id scale; c)
IFR index de ail a he con luence o he C a i and i s le -bank ibu a y, he Busen o Ri e .
Acknowledgmen s
This wo k was unded by he Nex Gene a ion EU - I alian NRRP, Mission 4, Componen 2, In es men 1.5, call
o he c ea ion and s eng hening o ’Inno a ion Ecosys ems’, building ’Te i o ial R&D Leade s’ (Di ec o ial
Dec ee n. 2021/3277) - p ojec Tech4You - Technologies o clima e change adap a ion and quali y o li e
imp o emen , n. ECS0000009. This wo k e lec s only he au ho s’ iews and opinions, nei he he Minis y o
Uni e si y and Resea ch no he Eu opean Commission can be conside ed esponsible o hem.
Re e ences
Va nes, D.J., 1984. Landslide Haza d Zona ion: A Re iew o P inciples and P ac ice. Na u al Haza ds.
UNESCO, Pa is.
Ve sace, P., De Luca, D. L., De San is, D., Penna, G. and Spina, D., 2021a. Linee guida pe l’iden i icazione
delle a ee a mino e sos enibili à del ischio pe gli scena i di e en o ipici iden i ica i. Repo ecnico del
“P og amma pe il suppo o al a o zamen o della go e nance in ma e ia di iduzione del ischio
id ogeologico e id aulico ai ini di p o ezione ci ile” a ale e sul PON Go e nance e Capaci à is i uzionale
2014-2020.
Ve sace, P., De San is, D., Penna, G., Poli anò, L. and P es a, D., 2021b. De inizione di linee guida pe un
modello di alu azione s anda d della piani icazione di P o ezione Ci ile comunale e in e comunale. Repo
ecnico del “P og amma pe il suppo o al a o zamen o della go e nance in ma e ia di iduzione del ischio
id ogeologico e id aulico ai ini di p o ezione ci ile” a ale e sul PON Go e nance e Capaci à is i uzionale
2014-2020.
UNISDR (Uni ed Na ions In e na ional S a egy o Disas e Reduc ion), 2009. UNISDR Te minology on Disas e
Risk Reduc ion. Uni ed Na ions In e na ional S a egy o Disas e Reduc ion (UNISDR).
h ps://www.und .o g/publica ion/2009-unisd - e minology-disas e - isk- educ ion
a
)
b
c
100
L’in e azione a la dinamica lu iale e del ma e in a ee
an opizza e p one al ischio id ogeologico
An onia Longoba di1,2*, Fabio Den ale1, Albina Cuomo2, Robe a D’Amb osio1, Angela Di Leo1,
Giacomo Nicole i1, Michele Pisani2, Anna Sansanelli1, Domenico Guida1,2
1 Dipa imen o di Ingegne ia Ci ile, Uni e si à di Sale no, Via Gio anni Paolo II, 132 Fisciano (SA), I alia
2 C.U.G.RI, Conso zio in e -Uni e si a io pe la p e isione e p e enzione dei G andi Rischi, Via Gio anni Paolo II, 132,
Fisciano (SA), I alia
*e-mail: [email p o ec ed]
Somma io
Lo s udio della in e azione a le dinamiche lu iali e quelle della linea di cos a app esen a nella sua
complessi à una chia e di le u a indispensabile nella u ela degli ecosis emi degli ambien i di ansizione e della
unzione di il o che essi s olgono. Gli ambien i di ansizione sono pa icola men e ulne abili agli impa i
an opici quali la ealizzazione di in as u u e, le sis emazioni id auliche e dei e san i, elemen i che agiscono
anche sul ischio di allagamen o in ali ambi i.
Con i e imen o a ques ’ul imo aspe o la le e a u a insegna come gli elemen i chia e nella de e minazione
degli allagamen i possano appa ene e a e di e si e p incipali ambi i: lu iale (allu ioni in ambi o na u ale),
u bano (allagamen i pe eccesso di ca ico id aulico) e cos ie o (innalzamen o li ello del ma e, ma ee,
ma eggia e) (G een e al., 2025). Nella eal à, i e p ocessi menziona i posso agi e insieme a o ni e un qua o
caso, che ne app esen a di a o la combinazione. Ad esempio, i cicloni opicali/ex a opicali in ensi possono
gene a e o i p ecipi azioni che aumen ano la po a a dei iumi, men e allo s esso empo i o i en i e le basse
p essioni causano g andi ma eggia e e onde. A an aggio di sempli icazione e pe la complessi à che
implici amen e in oduce, si ende a gua da e al ischio di accadimen o nei di e si ambi i dal pun o di is a
uni a ia o, ma è no a la ci cos anza pe la quale ques a ope a i i à può po a e ad una no e ole so os ima del
pe iodo di i o no con cui gli e en i combina i possono e i ica si (Mi u e al., 2023).
L’a ea co isponden e alla Cos a d’Amal i (Sale no) è ca a e izza a da cos e al e localmen e in e o e da a ee
li o ali sabbiose s iluppa e alla oce di o en i maggio i. E en i allu ionali e anosi hanno equen emen e
in e essa o ques ’a ea in dal Medioe o, so olineando la apida mo odinamica dei e san i (Dioda o e al.,
2014). T a ques i enomeni, il 25 o ob e 1954 la pioggia incessan e di una pe u bazione, dai ca a e i di un
ciclone, colpì l’abi a o di Sale no ed i ilie i ci cos an i. Il alo e della pio osi à u di 504 mm con una du a a
complessi a di 16 o e. L’a ea in e essa a dall’allu ione u di ol e 500 km2 ed il bilancio u g a issimo in e mini
di i e umane. L'e en o cos i uisce un esempio di es emo id ologico in quan o p esen a, pe quasi u e le
du a e, alo i del pe iodo di i o no supe io i a 1000 anni (B aca e al., 2007). In pa icola e, l’abi a o di Maio i,
a a e sa o dal To en e Regina Maio , ipo ò danni ingen i in segui o allo s ondamen o di due a i omba i ed
al c ollo delle abi azioni ed opi ici ai ma gini del canale (Esposi o e al., 2004). Il bacino del Regina Maio (30
Kmq), il cui sbocco a ma e è ca a e izza o da una oce a ma a, è pe la p esenza di più a i di ombina u a
che i es ono l’al eo nell’a ea u banizza a ino al aggiungimen o della oce, app esen a i o della complessi à
nella ges ione di sis emi di alle amen o come misu e non s umen ali di mi igazione del ischio in p esenza di
e en i es emi combina i.
Il C.U.G.RI, Cen o in e -Uni e si a io pe la p e isione e p e enzione dei G andi Rischi, si è a o p omo o e
della messa a pun a di un sis ema spe imen ale di alle amen o pe il a o omba o dell’al eo che si basa su
un app occio modellis ico alida o da un sis ema ico moni o aggio spe imen ale. Rela i amen e al a o
omba o, le po a e di e en o con assegna o pe iodo di i o no sono s a e de e mina e a a e so l’applicazione
della p ocedu a VAPI Campania e sono s a e u ilizza e in una modellazione monodimensionale median e il
so wa e HECRAS pe de e mina e i iempimen i del canale, u ilizzando come condizione al con o no di alle le
al ezze alla oce a ma a de e mina e dalla p esenza del ma e. Allo scopo è s a a e e ua a una alu azione
delle ca a e is iche ondame iche, in e mini di alo i medio-annui (annuali/s agionali) ed es emi, a a e so i
quali è s a o possibile s ima e, median e il codice nume ico SWAN, le condizioni d’onda so ocos a che
de e minano i enomeni di innalzamen o del li ello medio ma e. Le isul anze modellis iche e anno alida e
median e una e e di senso i plu iome ici ed id o-geo-chimici, coadiu a i dalla ecen e ins allazione di una
s azione LSPIV (La ge Scale Pa icle Image Velocime y) che median e l'analisi del mo imen o a ame
consecu i i, de e mina il campo di eloci à supe iciale a a e so il quale sa à possibile de e mina e la po a a
ed anche il li ello di in e azione a i li elli di acqua iume-ma e.
101
Figu a 1. Il con es o e i o iale (A), la s azione pe il moni o aggio di li elli e eloci à (B), esempio p o ilo di eloci à della
co en e in supe icie (C)
Bibliog a ia
B aca G., T an aglia G., Esposi o E., Po ido S., Violan e C., Mazza ella A., 2007. Analisi me eo ologica e id o-
geologica dell'allu ione di Sale no del 25-26 o ob e 1954 - A i del Con egno “Le allu ioni in I alia” (Roma,
7-8 maggio 2007). L’acqua ( i is a dell’Associazione Id o ecnica I aliana), 3, pp. 51-64 51.
Dioda o N., Bellocchi G., Fio illo F., Longoba di A., 2014. His o ical econs uc ion o e osi e s o ms d i ing
damaging hyd ological e en s in Sou he n I aly (Bonea basin). In: Nazza eno Dioda o and Gianni Bellocchi
(eds), S o miness and En i onmen al Changes: Clima e Fo cing and Responses in he Medi e anean
Region, Sp inge , pp. 179-192.
Esposi o E., Po ido S., Violan e C., 2004. Il nubi agio dell'o ob e 1954 a Vie i sul Ma e. Cos a di Amal i,
Sale no" (a cu a di). Pubblicazione GNDCI n.2870 - Consiglio Nazionale delle Rice che, pp.1-382.
G een J., Haigh I.D., Quinn N., Neal J., Wahl T., Wood M., Eilande D., de Rui e M., Wa d P., Camus P., 2025.
Re iew a icle: A comp ehensi e e iew o compound looding li e a u e wi h a ocus on coas al and
es ua ine egions. Na u al Haza d and ea h Sys em Science 25, 747–816.
Mi u M.F., So ia G., Shen X., Anagnos ou E.N., 2023. Assessing he compound lood isk in coas al a eas:
F amewo k o mula ion and demons a ion, Jou nal o Hyd ology, 626, 130278.
108
Analisi mo o-id ologica pe lo s udio degli
allagamen i plu iali u bani
Giulio Pa adiso*, Daniele Gano a
Dipa imen o di Ingegne ia dell'Ambien e, del Te i o io e delle In as u u e (DIATI), Poli ecnico di To ino, To ino, I alia
*e-mail: giuli[email p o ec ed]
Somma io
La ges ione del ischio id aulico in ambien e u bano ichiede app occi inno a i i pe a on a e la c escen e
a iabili à degli e en i me eo ologici es emi, accen ua a dai cambiamen i clima ici e dall'espansione u bana
(Cea e al., 2025). L’ambien e u bano in pa icola e è ca a e izza o da e icoli id og a ici complessi ed e ime i
( ii, a i omba i, s ade) che al e ano la na u ale di ezione dei lussi specialmen e in p esenza di os acoli
a i iciali (edi ici, eicoli) e che engono spesso ascu a i nelle analisi con enzionali pe la de inizione del ischio
id aulico. Ques o la o o p opone, pe an o, una nuo a me odologia, eplicabile, pe classi ica e e en i di pioggia
e mappa e le a ee a ischio, in eg ando analisi opog a iche, id ologiche e id auliche. L’a ea di s udio scel a è
la l’a ea collina e del comune di To ino, ca a e izza a da una combinazione complessa di pendenze ele a e,
u banizzazione di usa e una i a e e ii pa e in al eo e pa e omba i, non app esen a i nelle classiche mappe
di ischio.
La me odologia si s iluppa in e asi p incipali. La p ima p e ede un’analisi opog a ica, basa a su da i
opog a ici (Modello digi ale del e eno), pe indi idua e le di ezioni p e e enziali di lusso e le po enziali zone
di accumulo id ico. La seconda ase è ocalizza a sull’analisi delle se ie s o iche di pioggia ad al a isoluzione
empo ale, u ilizza e pe es a e pa ame i chia e quali in ensi à massima e media, du a a, olume. Sulla base
dell’analisi conosci i a degli e en i plu iome ici che ca a e izzano l’a ea di s udio iene implemen a o un
me odo di classi icazione degli e en i di pioggia median e l’uso di copule. La e za ase, in ine, in eg a modelli
id ologici sempli ica i e s umen i id aulici pe simula e la p opagazione dei lussi a scala di mic o-bacino,
alu ando l’in luenza di elemen i u bani quali s ade, mu i, edi ici, e e di d enaggio, canali i igui, sulle dinamiche
di de lusso.
Ques a me odologia consen e di mappa e nuo e zone di pe icolosi à non incluse nelle mappe con enzionali,
con un ocus alla scala di edi icio, così c eando uno s umen o più e icace pe la piani icazione u bana e le
a i i à di p o ezione ci ile.
In ine, le analisi sop a desc i e engono alu a e con di e se isoluzioni spaziali dei da i di inpu pe de ini e
il miglio comp omesso a accu a ezza del modello, disponibili à dei da i e empis iche di calcolo. I isul a i
cos i uiscono un passo e so un app occio in eg a o, basa o su da i eali e osse azioni, pe miglio a e la
ges ione del ischio id aulico in ambien i u bani complessi.
109
Figu a 1. Mappa u a dell'allagamen o plu iale de e mina a ami e modellazione bidimensionale in HEC-RAS con me odo Rain on
G id u ilizzando un e en o di pioggia osse a o e app esen azione delle di ezioni di d enaggio calcola e ami e analisi opog a ica
del DEM (Digi al Ele a ion Model) median e i so wa e GRASS e R
Bibliog a ia
Cea, L., Sañudo, E., Mon al o, C., Fa án, J., Pue as, J., & Tamagnone, P. (2025). Recen ad ances and u u e
challenges in u ban plu ial lood modelling. U ban Wa e Jou nal, 22(2), 149–173.
h ps://doi.o g/10.1080/1573062X.2024.2446528
110
Assessmen o damage scena ios due o plu ial looding using
emo e sensing and objec de ec ion models
A ianna Cau e uccio1, Gio gio Boni1*, Roozbeh Rajabi2, Gab iele Mose 3
1 Depa men o Ci il, Chemical and En i onmen al Enginee ing (DICCA), Uni e si y o Geno a, Genoa, I aly.
2 Geophysical Ins i u e, Uni e si y o Alaska Fai banks, Fai banks, USA
3 Depa men o Na al, Elec ical, Elec onic and Telecommunica ions Enginee ing - DITEN, Uni e si y o Geno a, Genoa,
I aly
*e-mail: [email p o ec ed]
Abs ac
In his wo k, damage scena ios due o plu ial looding a e ob ained by modelling he p opaga ion o he
s o mwa e olumes using he HEC-RAS 2D so wa e. The case s udy was selec ed wi hin he ac i i ies o he
Re u n – NRRP p ojec in he ci y o Genoa (I aly). I is a densely buil u ban ca chmen ha was ecen ly
(Sep embe 24 h, 2022) a ec ed by plu ial looding associa ed wi h a ain all e en cha ac e ized by a low e u n
pe iod (be ween 1.5 and 3 yea s). The s udy a ea is equipped wi h a adi ional ipping-bucke ain gauge and
one Sma Rain all Sys em (SRS), see Colli e al. (2019). Two u he SRSs and wo ain gauges a e a ailable
close o he in es iga ed a ea. This con igu a ion allows o in es iga e he ole o he spa ial esolu ion o he
o cing inpu on he lood haza d and he ela ed impac on damage scena ios, he e ela ed o he economic
losses o looded ehicles.
Figu e 1. On he le o e iew o he in es iga ed u ban a ea ( ed po ion) wi h indica ed he posi ion o he h ee ain
gauges (whi e ci cles) and he h ee SRSs ( ed ci cles) wi h he associa ed a mosphe ic links ( ed lines). Sample o he
de ec ed ehicles using he YOLO deep lea ning model (cen al panel). On he igh unde es ima ion o he numbe o
looded ehicles when using di e en senso s and assuming he ain gauge loca ed wi hin he s udy a ea as he e e ence.
The ehicles exposed o lood haza d a e de ec ed using he You Only Look Once (YOLO) deep lea ning
model applied o ae ial images a a spa ial esolu ion o 5 cm. A o al o 11340 ehicles we e de ec ed wi h an
accu acy o 95%. Li e a u e ulne abili y cu es o ci y ca s and mini ans, as a unc ion o he wa e dep h,
we e applied (Ma ínez-Goma iz e al., 2019).
The ain all measu emen s p o ided by he ain gauge loca ed wi hin he s udy a ea is assumed as he
e e ence. Resul s in e ms o lood haza d maps e eals ha he poin na u e o measu emen s aken a ain
gauge s a ions ou side o he s udy a ea educes o a hal he looded olume and by 10% he maximum wa e
dep h. In all cases a educ ion o he ex ension o he looded a ea is ob ained bu his is lowe when SRSs a e
adop ed ins ead o ain gauges posi ioned ou side o he s udy a ea. The unde es ima ion o he numbe o
looded ehicles a ies be ween 6% and 14% wi h an unde es ima ion o he o al mone a y damage o abou
15% and 60%, espec i ely.
The esul s e eal ha SRSs hanks o he a mosphe ic links exploi ed can p o ide an ae ial measu emen o
ain by cap u ing e en s cha ac e ized by high ain a e and low spa ial ex ension, despi e being cha ac e ized
by a lowe accu acy han adi ional ain gauges, and being calib a ed wi h ain gauges hemsel es. These
ain all e en s a e he mos p one o p oduce plu ial looding in he s udy a ea due o he insu icien capaci y
111
o he s o mwa e d ainage ne wo k and he as hyd ological esponse o he u ban basin (see e.g. Loglisci e
al., 2024).
Acknowledgemen s
This s udy was ca ied ou wi hin he RETURN Ex ended Pa ne ship and ecei ed unding om he Eu opean
Union Nex -Gene a ionEU (Na ional Reco e y and Resilience Plan – NRRP, Mission 4, Componen 2,
In es men 1.3 – D.D. 1243 2/8/2022, PE0000005).
Re e ences
Colli, M., S agna o, M., Ca idi, A., Lanza, L.G., Randazzo, A., Pas o ino, M., Ca iglia, D.D., Delucchi, A. A,
2019. Field Assessmen o a Rain Es ima ion Sys em Based on Sa elli e- o-Ea h Mic owa e Links. IEEE
T ans. Geosci. Remo e. Sens., 57, pp.2864–2875.
Loglisci, N., Boni, G., Cau e uccio, A., Faccini, F., Milelli, M., Paliaga, G., and Pa odi, A., 2024. The ole o
ci izen science in assessing he spa io empo al pa e n o ain all e en s in u ban a eas: a case s udy in he
ci y o Genoa, I aly, Na . Haza ds Ea h Sys . Sci., 24, 2495–2510.
Ma ínez-Goma iz, E., Gómez, M., Russo, B., Sánchez, P., Mon es, J-A, 2019. Me hodology o he damage
assessmen o ehicles exposed o looding in u ban a eas. J Flood Risk Managemen , 12:e12475.
112
Vehicles ins abili y c i e ion o lood isk assessmen in u ban
a eas
Omayma Amellah*, Ra aele Albano, Au elia Sole
Depa men o Ci il Enginee ing, Uni e si y o Basilica a, Po enza, I aly
*e-mail: [email p o ec ed]
Abs ac
Flooding a e capable o des abilizing mos o he objec s hey encoun e , including ehicles. which po en ially
wo sens he impac s o looding especially when hose ca s a e ca ied away by wa e low, causing signi ican
loss in e ms o economic ma e ial, and a ali ies. ehicles can lose hei s abili y e en unde e y shallow wa e
dep hs and eloci y and can u n in o a al aps o occupan s. E ec i e lood managemen demands se ious
assessmen o he ins abili y mechanism aced by ehicles in a eas p one o loods. The aim o his wo k is o
in oduce a new physic-based app oach ha elies on he in e ac ion be ween he dynamic o wa e low
hyd aulics and he physical body cha ac e is ics o subme ged ca s in lood wa e s. The me hodology adop ed
is based on an in eg a ed app oach ha combine complemen a y me hods o de elop a model capable o
p edic ing ehicle s abili y in a gi en lood condi ions. In o de o unde s and and an icipa e when ca s lose hei
s abili y due o hyd odynamic o ces and in es iga e he h esholds o des abiliza ion o ce ain condi ions o
low dep hs and eloci ies. To achie e his goal a physics based app oach o analyse he o ces ac ing on
ehicles is ca ied ou and da a o expe imen s gi es he wa e dep h and low eloci y o incipien ca s ins abili y
we e in eg a ed. A model based on he hyd odynamic o ces exe ed by lood wa e on a subme ged body is
de eloped o asses ehicle s abili y. Key pa ame e s we e in oduced o acili a e adjus men s and imp o e
model lexibili y. In o de o make he compu a ion e icien a compac c i e ion was o mula ed. The Ini ial
es ima ion o he pa ame e we e de i ed om physical analysis o ca s hen we e e ined based on he
expe imen al da a o accu acy pu pose. wi h his app oach speci ic ins abili y limi s we e de ined o each g oup
ca ego y o ca s. The esul ing cu es ob ained om model de eloped in his wo k we e compa ed wi h o he
di e en s udies ha de ined s abili y h esholds o a ious ca ego ies o ehicles which alida ed and con i med
ha he de eloped model is use ul and accu a e o lood isk assessmen wi h ega d o ehicles ins abili y in
u ban a eas.
113
Analisi mul i- ischio e mul i-li ello dello s a o dei Pon i Flu iali
della Re e S adale nel Bacino dell’Ag i ges i a dalla P o incia
di Po enza: La Classe di A enzione pe Rischio Id aulico
Au elia Sole1,2, Ra aele Albano3*, Ca mine Limongi1, Pie o Vuono1, Beniamino Ono a i1, Giuseppe
F ancesco Cesa e Lama1, Rugge o E mini4, Annama ia De Vincenzo1, Domenica Mi auda3
1 DiING, Uni e si à degli S udi della Basilica a, Po enza, I aly
2 CNR-IRPI, I aly
3 DISS, Uni e si à degli S udi della Basilica a, Po enza, I aly
4 DIUSS, Uni e si à degli S udi della Basilica a, Ma e a, I aly
*e-mail: a [email p o ec ed]
Somma io
La c escen e ichies a di a enzione lega a alla alu azione dei ischi del pa imonio in as u u ale i aliano
app esen a una s ida c uciale pe la sal agua dia delle pe sone e delle ope e sogge e al na u ale
de e io amen o del empo e degli agen i es e ni. In ale con es o è necessa io de ini e app occi mul i- ischio,
che pe me ano alu azioni in eg a e (sismico, s u u ale, id aulico e geologico), e ben o ganizza e secondo
li elli a di e so g ado di analisi e di in e en o. Nell’ambi o del P oge o di Rice ca Tech4You, si p e ede la
ealizzazione di un sis ema di suppo o mul i-li ello e mul i- ischio pe la ges ione delle p io i à di in e en o e di
manu enzione s ao dina ie. In ques o senso il p esen e la o o p opone una p ocedu a inno a i a che pe me e di
analizza e in manie a spedi i a e pun uale lo s a o di a o degli a a e samen i lu iali delle s ade ges i e dalla
P o incia di Po enza (Basilica a), indicando le azioni da me e e in campo al ine di idu e il ischio id aulico ad essi
associa o. In pa icola e, il la o o s ol o analizza alcuni pon i su s ade p o inciali che icadono nel bacino del iume
Ag i (poco moni o a a e di ile anza socio-economica nel e i o io) sulla base di quan o indica o dalle Linee Guida
minis e iali, pe de ini e le Classi di A enzione e le p io i à di in e en o e ado ando e ipologie di ischio id aulico:
so mon o, e osione localizza a ed e osione gene alizza a (B a h e Mon ana i, 2000). Tali analisi ado ano un
app occio ge a chizza o che pa e dal censimen o delle ope e (Li ello 0), in eg a e da ispezioni in campo (Li ello 1),
delle de inisce le speci iche Classi di A enzione (Li ello 2), pe de ini e le ipologie di moni o aggio ed in e en o in
unzione della g a i à dei ischi iscon a i (Li elli 3-4-5).
Il me odo p opos o ado a modelli di semplice applicazione ma al con empo di o ima a idabili à, come il
Me odo VAPI (VAlu azione delle Piene, h p://www.id ologia.poli o.i /gndci/Vapi.h m) o la Fo mula Razionale
(Kuichling 1889), pe le alu azioni id ologiche e id auliche e a uso di un sis ema semi-au oma izza o che
pe me e di de ini e la Classe di A enzione in manie a apida basandosi su una scel a apida e in ui i a delle
opzioni ile a e in ase di ispezione; successi amen e l’applicazione di simulazioni id auliche pe me e à
alu azioni speci iche, delle in eg a e dalle isul anze delle campagne di misu azione (Li ello 3). La alu azione
della pe icolosi à, della ulne abili à e della esposizione sono s a i implemen a i basandosi sulle LL.GG. Il Li ello
3, si basa poi su simulazioni id auliche mono-dimensionali in condizioni di mo o a io pe alu a e gli indica o i
u ili a s ima e la classe di pe icolosi à da so mon o e da enomeni di e osione localizza a - il i an e id ico, il
anco id aulico, la massima esca azione da con azione e l’indice di e osione localizza a IEL - Con i e imen o
al caso di s udio conside a o, i isul a i ela i i alle indagini di Li ello 1 e 2 pe me ono di acce a e come il a o
lu iale del To en e Sau o sia in e essa o da sos anziali enomeni di mo imen azione dei sedimen i che hanno
de e mina o, in co ispondenza del pon e ubica o sulla s ada p o inciale S.P. Sau ina al km 22+400, signi ica i i
enomeni di e osione localizza a con la enu a a gio no dei plin i di ondazione di en ambe le pile. Il
compo amen o id aulico del medesimo pon e è s a o analizza o con un modello id aulico-compu azionale (HEC
– RAS, h ps://www.hec.usace.a my.mil/so wa e/hec- as/) esaminando un a o di ci ca 8.5 km, ca a e izza o
da una pendenza media dell’1.3% e la cui conducibili à id aulica è s a a assun a pa i a 35.7 m1/3/s basandosi
su cu e g anulome iche di de aglio dedo e median e image p ocessing di o og a ie ad al a de inizione del
ma e iale p esen e in al eo. Men e l’id og amma di piena con pe iodo di i o no decennale è s a o dedo o dalle
analisi condo e da Fio en ino e Ma gio a (1998). La p o ondi à di sca o, in co ispondenza di ogni pila, è s a a
s ima a a a e so la o mulazione p opos a dalla Colo ado S a e Uni e si y, “CSU” (Richa dson e al., 1990).
Le simulazioni id odinamiche condo e hanno conside a o due casi: il p imo ipo izza la p esenza delle sole pile
aal’epoca di ile azione del DTM u ilizza o, men e il secondo conside a la condizione ile a a ad oggi o e o il
sis ema plin o-pila. Gli angoli di a acco della co en e sulla pila n° 2 è s a o assun o pa i a 10°, men e pe la
pila n°1 l’incidenza della co en e a iene con di ezione quasi pe pendicola e. I isul a i o enu i sono s a i
114
con on a i con quelli che sono deducibili ado ando le o mule empi iche o semi-empi iche p esen i nella
le e a u a scien i ica (Mel ille, 1998; Yanmaz, 1989; Ko hia y e al., 1992; Johnson, 1995; E ema e al., 1998;
Yanmaz, 2001; A neson e al. 2012; Pandey e al., 2018). In pa icola e, è e iden e che i enomeni di e osione
localizza a siano o emen e dipenden i dall’angolo di incidenza della co en e, dalle dimensioni della s u u a
di ondazione, ol eché dai pa ame i id aulici maggio men e in luen i sui enomeni di esca azione
(g anulome ia, eloci à, i an e, ecc.). In Fig. 1a-b, pe l’ope a p esa in esame le p o ondi à di e osione si
a es ano in o no a poco meno di 1.00 m pe la pila n°1 e ci ca 1.50 m pe la pila n°2. Le simulazioni
compu azionali pe me ono di de ini e con maggio p ecisione la p o ondi à di sca o e ciò ga an isce una più
a endibile alu azione della Classe di pe icolosi à associa a al enomeno di e osione localizza a. In a i, a
di e enza dell’app occio adizionale, la s ima dell’indice (IEL) può esse e condo a conside ando l’esa o alo e
della p o ondi à di sca o, in ece del alo e pa i a due ol e il diame o della pila ipo izza o in ase di p ima
app ossimazione. I isul a i e idenziano, inol e, la necessi à di implemen a e un sis ema di moni o aggio che
pe me a di con olla e lo s a o di e oluzione del enomeno. Pe il caso s udio si ende inol e necessa io, in
co ispondenza della sezione in es iga a, l’implemen azione di adegua i in e en i di manu enzione
s ao dina ia inalizza i al consolidamen o s u u ale dell’ope a di ondazione e al ip is ino di un’ope a di di esa
id aulica.
Figu a 1. a) Andamen o planime ico della co en e id ica osse a a du an e in campo (Ap ile, 2025); b) Modellazione
id aulica del pon e e s ima della p o ondi à di sca o in p esenza di una po a a decennale.
Ring aziamen i
Il p esen e la o o è s a o s ol o nell’ambi o del p oge o “Tech4You” - Ecosis emi dell’Inno azione, A iso n.
3277 del 28.12.2021 – PNRR – codice p oge o MUR: ECS0000009 - CUP H23C22000370006Tec4you.
Bibliog a ia
A neson, L. A., Ze enbe gen, L. W., Lagasse, P. F. & Cloppe , P. E. (2012), E alua ing scou a b idges,
Hyd aulic Enginee ing Ci cula No. 18, 5 h edi ion
B a h, A., Mon ana i, A. (2000), The e ec s o he spa ial a iabili y o soil in il a ion capaci y in dis ibu ed lood
modeling, Hyd ological P ocesses 14 (15)
Claps, P., Fio en ino, M. (2005). Valu azione delle Piene in I alia, Rappo o di sin esi pe la egione Basilica a
(bacini del e san e ionico). GNDCI-CNR. Dipa imen o di Ingegne ia e Fisica dell’Ambien e, Uni e si à
della Basilica a-Po enza, 2005.
E ema, R., Mos a a, E. A., Mel ille, B. W. & Yassin, A. A. (1998), Local scou a skewed pie s, Jou nal o
Hyd aulic Enginee ing 124 (7), h ps://doi.o g/10.1061/(ASCE)0733-9429(1998)124:7(756)
Johnson, P. A. (1995), Compa ison o pie -scou equa ions using ield da a, Jou nal o Hyd aulic Enginee ing
121 (8), 626–629. h ps://doi.o g/10.1061/(ASCE)0733-9429(1995)121:8(626)
Ko hya y, U. C., Ga de, R. C. J. & Ranga Raju, K. G. (1992), Li e-bed scou a ound cylind ical b idge pie s,
Jou nal o Hyd aulic Resea ch 30 (5), 701–715. h ps://doi.o g/10.1080/00221689209498889
Fio en ino, M. e M.R. Ma gio a. (1999) La alu azione dei olumi di piena e il calcolo sempli ica o dell'e e o di
laminazione di g andi in asi. In G. F ega (ed.), Tecniche pe la di esa dall'inquinamen o, Edi o iale Bios,
Cosenza, pp.203-222, 1999.
Linee Guida pe la classi icazione e ges ione del ischio, la alu azione della sicu ezza ed il moni o aggio dei
pon i esis en i.
Mel ille, B.W., Su he land, A.J., (1988). Design me hod o local scou a b idge pie s, Jou nal o Hyd aulic
Enginee ing, ASCE, Vol. 114, Oc obe 1988.
Pandey, M., Sha ma, P. K., Ahmad, Z. & Ka na, N. (2018), Maximum scou dep h a ound b idge pie in g a el
bed s eams, Na u al Haza ds 91, 819–836. h ps://doi.o g/10.1007/s11069-017-3157-z
115
Richa dson, E.V., D.B. Simons and P. Julien. (1990). Highways in he Ri e En i onmen , FHWAHI-90-016,
Fede al Highway Adminis a ion, U.S. Depa men o T anspo a ion, Washing on, D.C.
Rossi, F., Fio en ino, M. and Ve sace, P. (1984). Two‐componen ex eme alue dis ibu ion o lood equency
analysis. Wa e Resou ces Resea ch, 20(7), pp.847-856.
Yanmaz, M. A. (1989), Time Dependan Analysis o Clea Wa e Scou A ound B idge Pie s, Doc o a e Thesis,
METU, Anko a, Tu key
Yanmaz, M. A. (2001), Unce ain y o local scou pa ame e s a ound b idge pie s, Jou nal Enginee ing and
En i onmen al Science 25 (4), 127–137.
116
Ad anced Mul i-Risk Analysis o he Ri e B idges S a us in he
P o incial Road Ne wo k o Po enza (Basilica a): Segmen a ion-
Guided Machine Lea ning o B idge De ec De ec ion in Wide-
Angle Su ace Images
Au elia Sole1, Ra aele Albano2*, Gilda Man edi1, Giuseppe San a sie o1, Valen ina Picciano1
1 Depa men o Enginee ing, Uni e si y o Basilica a, Po enza, I aly
2 Depa men o Heal h Science, Uni e si y o Basilica a, Po enza, I aly
*e-mail: a [email p o ec ed]
Abs ac
Ensu ing he s uc u al in eg i y o exi ing b idge in as uc u es ac oss he oads ne wo k is c i ical o public
sa e y and esilience o hyd ological haza ds. This mul idisciplina y challenge is explici ly add essed in he
Guidelines o he classi ica ion and managemen o isk, sa e y assessmen , and moni o ing o exis ing b idges,
issued in I aly by he Minis y o In as uc u e and T anspo (Minis y o In as uc u e, CSLP 2020). These
Guidelines adop a comp ehensi e isk-based app oach, conside ing bo h s uc u al ulne abili ies—such as
hose ela ed o s uc u e- ounda ion sys ems and seismic e en s—and en i onmen al h ea s, including
landslides and looding.
To acili a e a comp ehensi e mul i- isk assessmen , he Guidelines in oduce a i e-le el me hodology (le els
0 h ough 4), each ep esen ing an inc easing dep h o analysis. Le el 0 in ol es he collec ion and e iew o
all a ailable documen a ion abou he b idge, including design documen s and ou comes o pe iodic inspec ions.
Le el 1 comp ises a ge ed ield inspec ions aimed a assessing he cu en condi ion o he b idge, iden i ying
he p esence and ex en o any deg ada ion o de ec s a ec ing s uc u al and non-s uc u al componen s.
A Le el 2, he in o ma ion ga he ed in he p e ious s ages is used o e alua e he Class o A en ion (CoA)
o each o he ou main isk ca ego ies—s uc u al, seismic, hyd ological, and geological—based on h ee key
pa ame e s: haza d, ulne abili y, and exposu e. The pa ial CoA o each isk is hen in eg a ed in o a global
CoA, ca ego ized on a i e-le el scale: low, medium-low, medium, medium-high, and high. Depending on he
esul ing classi ica ion, in as uc u e manage s a e equi ed o implemen app op ia e mi iga ion measu es o
ensu e he asse 's sa e y and unc ionali y.
In e alua ing he s uc u e- ounda ion and seismic Classes o A en ion, he ulne abili y ac o assumes a
c i ical ole. This ac o is hea ily a ec ed by he s uc u al heal h o he b idge, as de e mined by he deg ee o
deg ada ion obse ed in indi idual s uc u al elemen s du ing inspec ion. In his con ex , he adop ion o
ad anced me hodologies, such as compu e ision and deep lea ning echniques o au oma ed damage
de ec ion, can signi ican ly enhance he e iciency and objec i i y o he assessmen p ocess. These
echnologies o e conside able ad an ages, including he educ ion o inspec ion ime, he minimiza ion o
subjec i e biases, and he o e all imp o emen and s eamlining o he decision-making wo k low.
T adi ional image-based de ec de ec ion app oaches ha e p ima ily elied on close-up images o c acks,
spalling, o ma e ial deg ada ion. While hese me hods a e e ec i e in con olled inspec ion se ings, hey o en
s uggle when applied o wide-angle images ha cap u e la ge po ions o he s uc u e, such as hose ob ained
du ing ield su eys o d one inspec ions. In ecen yea s, he YOLO (Redmon e al. 2016) amily o objec
de ec ion algo i hms has gained ac ion in his ield due o i s high de ec ion speed and eal- ime pe o mance.
Fo ins ance, Zhang e al. (2019) demons a ed he e ec i eness o an imp o ed YOLO 3 model in de ec ing
a ious ypes o conc e e b idge damage, including ac u es, spalling, and exposed endons. Howe e , when
YOLO models a e applied o wide-angle images o en i e b idge s uc u es, hei pe o mance ends o deg ade.
One o he main limi a ions is he endency o misclassi y backg ound elemen s, such as ege a ion, g ound
co e , o sky, as s uc u al de ec s. This issue a ises because hese models a e o en ained on close-up
da ase s and he e o e lack he con ex ual awa eness needed o dis inguish be ween ele an s uc u al ea u es
and i ele an su oundings. Ea lie s udies ha e also emphasized simila challenges. Chen e al. (2010)
highligh ed he impac o en i onmen al noise, such as discolo a ion, occlusion, and ligh ing a iabili y, on
au oma ed c ack de ec ion. Likewise, Na azaki e al. (2018) no ed ha when mul iple s uc u al elemen s a e
p esen in an image, adi ional de ec ion me hods a e p one o high alse-posi i e a es due o limi ed scene
unde s anding.
This wo k p esen s a segmen a ion-guided machine lea ning amewo k designed o o e come he limi a ions
o cu en de ec de ec ion sys ems when ope a ing on wide-angle su ace images o mason y and conc e e
117
b idges. A common ailu e mode obse ed in s anda d models ained on highly zoomed-in da ase s is he
misclassi ica ion o occlusions and backg ound elemen s, such as ege a ion, g ound co e , o he sky, as
s uc u al anomalies. These alse posi i es signi ican ly educe he eliabili y o au oma ed inspec ion ools in
ope a ional se ings.
To add ess his, we p opose a wo-s age ision pipeline. In he i s s age, a ze o-sho segmen a ion model is
employed o isola e he ele an s uc u al componen s o he b idge om he su ounding scene. This s ep
le e ages he model’s abili y o gene alize ac oss con ex s wi hou equi ing ask-speci ic aining. In he second
s age, a dedica ed de ec de ec ion algo i hm is applied, bu only wi hin he spa ial bounda ies de ined by he
segmen a ion mask. This guided il e ing mechanism e ec i ely educes noise in he de ec ion p ocess and
imp o es bo h p ecision and in e p e abili y.
The app oach is pa icula ly sui ed o mason y and conc e e s uc u es, whe e ex u al and geome ic cues
can a y signi ican ly ac oss di e en iewing scales. By ocusing de ec ion on seman ically meaning ul egions,
he sys em achie es be e obus ness o occlusions and en i onmen al a iabili y.
Figu e 1. G aphical A chi ec u e o he p oposed sys em
Acknowledgemen s
This wo k has been ca ied ou wi hin he scope o he “Tech4You” Inno a ion Ecosys em p ojec , No ice no.
3277 o 28.12.2021 – In e en ion p oposals o he c ea ion and s eng hening o “inno a ion ecosys ems”
PNRR – MUR p ojec code: ECS0000009 - CUP H23C22000370006Tec4you.
Re e ences
Chen, J., Hu chinson, T. C., & Aghazadeh, B. S. (2010). Image‐Based F amewo k o Conc e e Su ace C ack
Moni o ing and Quan i ica ion. Ad ances in Ci il Enginee ing, 2010.
Minis y o In as uc u e, CSLP, 2020. Guidelines on Risk Classi ica ion and Managemen , Sa e y Assessmen
and Moni o ing o Exis ing B idges. Minis y o In as uc u e: Rome, I aly, 2020 (in I alian).
Na azaki, Y., Hoske e, V., Hoang, T. A., & Spence , B. F. (2018). Vision-based Au oma ed B idge Componen
Recogni ion In eg a ed Wi h High-le el Scene Unde s anding. a Xi p ep in a Xi :1805.06041.
Redmon, J., Di ala, S., Gi shick, R., & Fa hadi, A. (2016). You Only Look Once: Uni ied, Real-Time Objec
De ec ion. In 2016 IEEE Con e ence on Compu e Vision and Pa e n Recogni ion (CVPR) (pp. 779–788).
Zhang, C., Chang, C. C., & Jamshidi, M. (2019). B idge Damage De ec ion using a Single-S age De ec o and
Field Inspec ion Images. a Xi p ep in a Xi :1812.10590.
124
Flow cha a e is ics e alua ion in g a el bed i e s
Dona ella Te mini1,2*, Peyman Peykani1
1 Depa men o Enginee ing, Uni e si y o Pale mo, Pale mo, I aly
2 NBFC, Na ional Biodi e si y Fu u e Cen e , Pale mo, I aly
*e-mail: [email p o ec ed]
Abs ac
Ri e low modeling unde di e en condi ions is o pa amoun impo ance o i e enginee ing. Howe e ,
s ill oday, he e is no gene ic model ha can adequa ely cap u e di e en aspec s o low hyd odynamics o e
a a ie y o si ua ions. In low modeling, i e oughness is gene ally de ined wi h di e en pa ame e se s o en
being able o ob ain model p edic ions app oxima ing well o he obse ed da a.
In moun ainous and allu ial plain en i onmen s g a el-bed i e s a e p e alen , exhibi ing p ope ies and bed
oughness cha ac e is ics ha p o oundly go e n low esis ance dis ibu ion and sedimen anspo egimes.
The e alua ion o hyd odynamics in g a el bed i e s is a complex subjec , equi ing bo h heo e ical and
expe imen al analyses. Nume ical modeling has also eme ged as a pi o al ool, as cos -e ec i e al e na i es o
physical expe imen s [G imaldi e al., 2018]. Howe e , despi e he e o o se e al esea che s, hyd odynamics
in g a el bed i e s is s ill poo ly unde s ood and he abili y o a ionalize he cha ac e is ics o a gi en channel
and p edic how i will espond o a change in condi ions is s ill limi ed.
G a el bed i e s a e cha ac e ized by a signi ican he e ogeneous dis ibu ion o he g ains in e ms o size
and shape. The ealis ic cha ac e iza ion o he g a el bed su ace is e y complex, bu i is c ucial in o de o
cap u e he low mechanisms a di e en scales cons i u ing he co e componen s o o al esis ance coe icien s
o analyze lu ial p ocesses [Na a a nam e al., 2018; Te mini e al., 2022].
Di e en app oaches ha e been p oposed in he li e a u e o iden i ying he g a el-bed su ace o cha ac e ize
he bed oughness [e.g., Abe le and Niko a, 2006] and o adequa ely simula e he nea -bed low cha ac e is ics
conside ing he spa ial a iabili y o he g ains [e.g., Al onsi e al., 2019]. Bu how o easonably quan i y g a el
bed su ace oughness is s ill an open ques ion.
In his con ex , he aim o he p esen wo k is o gi e a con ibu ion o ill his gap by combining expe imen al
and nume ical analyses. A labo a o y s udy has been conduc ed o e he non-uni o m g a el bed (Figu e 1)
ealized in a s aigh labo a o y lume cons uc ed a he Hyd aulic Labo a o y o he Depa men o Enginee ing
– Uni e si y o Pale mo (I aly) o explo e he low s uc u e, especially in he nea -bed egion.
Figu e 1. a) Pho o o he g a el bed su ace; b) scanned ep oduc ion o he channel each conside ed o simula ions
The collec ed da a has been used o de ine a p ocedu e o ex apola e he g a el bed su ace. The image-
based echnique has been applied o iden i y he g a el bed s uc u e and he spa ial dis ibu ion o he g ains.
S a is ical analysis has been conduc ed o e alua e he g a el su ace and he a iog am has been de e mined
o quan i y he bed oughness p op ie ies. The esul s a e used o nume ical simula ions ca ied ou by using
a ailable codes (Ansys CFX, OpenFOAM), and he compa ison be ween he nume ical esul s and he
expe imen al da a is used o assess he goodness o he p ocedu e.
L
l
125
Acknowledgemen s
This s udy was suppo ed pa ially by RETURN Ex ended Pa ne ship and ecei ed unding om he Eu opean
Union Nex -Gene a ionEU (Na ional Reco e y and Resilience Plan – NRRP, Mission 4, Componen 2,
In es men 1.3 – D.D. 1243 2/8/2022, PE0000005) and pa ially by P ojec code CN_00000033, Concession
Dec ee No. 1034 o 17 June 2022 adop ed by he I alian Minis y o Uni e si y and Resea ch, CUP UNIPA
B73C22000790001, P ojec i le “Na ional Biodi e si y Fu u e Cen e - NBFC”. The au ho s wish o hank Ing.
Fede ica La ignani o he con ibu ion in labo a o y da a analysis.
Re e ences
Abe leJ., Niko aV. 2006. S a is ical p ope ies o a mo ed g a el bed su aces. Wa e Resou . Res. 42, W11414.
Al onsi, G., Fe a o, D., Lau ia, A., Gaudio R. 2019. La ge-eddy simula ion o u bulen na u al-bed low. Physics
o Fluids 31, 085105.
G imaldi, S.; Li, Y.; Walke , J.P.; Pauwels, V.R.N. 2018. E ec i e Rep esen a ion o Ri e Geome y in Hyd aulic
Flood Fo ecas Models. Wa e Resou . Res. 54, 1031–1057
Na a a nam, C. U., Abe le, J., Qin, J., Hen y, P. 2018. In luence o G a el-Bed Po osi y and G ain O ien a ion
on Bulk Flow Resis ance’. HENRY. Hyd aulic Enginee ing Reposi o y. Wa e 2018, 10, 561.
Te mini D., La ignani F., Benis a i N. 2022. In es iga ion o u bulence cha ac e is ics and mixing laye hickness
in g a el bed lows. 11 h In e na ional Con e ence on Flu ial Hyd aulics - Ri e Flow2022, Kings on and
O awa (Canada), No embe 8-10.
126
Un app occio basa o sui da i pe il miglio amen o della
p e isione delle piene: il caso del p oge o TECH4You nel
bacino del C a i
Ma co Dionigi1*, S e ania Camici1, Melissa Sessa1, Domenico De San is2, Ch is ian Massa i1, Sil ia
Ba be a1, Tommaso Mo ama co1
1 Is i u o di Rice ca pe la P o ezione Id ogeologica, Consiglio Nazionale delle Rice che, Pe ugia, I alia
2 Is i u o di Rice ca pe la P o ezione Id ogeologica, Consiglio Nazionale delle Rice che, Rende, I alia
* e-mail: [email p o ec ed]
Somma io
L’esposizione ai ischi na u ali è in cos an e aumen o a li ello globale, a causa dell’espansione u bana e dei
cambiamen i clima ici in a o. T a i pe icoli più ile an i, le allu ioni e le piene imp o ise mos ano un inc emen o
signi ica i o, causando impa i semp e più g a i sulle comuni à e sulle economie locali. In ques o scena io,
isul a ondamen ale s iluppa e s umen i e icaci pe la mi igazione del ischio, in eg ando conoscenze
scien i iche, ecnologie inno a i e e un quad o is i uzionale solido e coo dina o. Il a o zamen o del dialogo a
ice ca, go e nance e socie à ci ile è c uciale pe adu e le soluzioni ecniche in p a iche conc e e, o ien a e
alla esilienza e i o iale.
In I alia, paese pa icola men e ulne abile agli e en i es emi, sono s a i a ia i nume osi p oge i inalizza i
al moni o aggio, alla p e isione e alla iduzione degli impa i delle piene. T a ques i si inse isce il p oge o
TECH4You, ecosis ema dell’inno azione delle egioni Calab ia e Basilica a, inanzia o dal Minis e o
dell’Uni e si à e della Rice ca nell’ambi o del PNRR. Il p oge o p omuo e il as e imen o ecnologico a
suppo o della ansizione ecologica e digi ale, della u ela della biodi e si à e della alo izzazione del pa imonio
na u ale e cul u ale, con ibuendo al aggiungimen o degli obie i i del Quad o di Sendai delle Nazioni Uni e,
che so olinea l’impo anza di in es i e nella iduzione del ischio di disas i.
All’in e no di ques o con es o, il p esen e con ibu o desc i e la cos uzione di un da abase in eg a o pioggia-
de lusso pe il bacino del iume C a i, inalizza o al suppo o ope a i o delle a i i à di p e isione delle piene. Il
da abase è s iluppa o a a e so l’accoppiamen o di un gene a o e s ocas ico di pioggia e empe a u a con un
modello id ologico in con inuo, in g ado di simula e le condizioni di umidi à del suolo e i ela i i de lussi. G azie
ad un’ampia gamma di scena i gene a i, il sis ema consen e di ene e con o delle ince ezze lega e sia alla
p e isione me eo ologica sia allo s a o id ologico del bacino. Una ca a e is ica inno a i a consis e nella
possibili à di accede e apidamen e a id og ammi di piena p ecalcola i, e i ando l’esecuzione in empo eale dei
modelli accoppia i, con un no e ole ispa mio in e mini di empo ope a i o nelle asi di alle a.
Ring aziamen i
Ques o la o o è s a o inanzia o dall’inizia i a Nex Gene a ion EU – Piano Nazionale di Rip esa e Resilienza
(PNRR) i aliano, Missione 4, Componen e 2, In es imen o 1.5, nell’ambi o dell’a iso pe la c eazione e il
a o zamen o degli “Ecosis emi dell’Inno azione”, con l’obie i o di cos ui e “Leade e i o iali di R&S” (Dec e o
Di e o iale n. 2021/3277) – p oge o TECH4You – Tecnologie pe l’ada amen o ai cambiamen i clima ici e il
miglio amen o della quali à della i a, n. ECS0000009.
127
Enhancing lood o ecas ing h ough mul i-model hyd ological
simula ion and Bayesian unce ain y es ima ion wi h emo e
and modelled p ecipi a ion o cings
Domenico De San is1*, Elenio A olio2, Sil ia Ba be a3, S e ania Camici3, Ma co Dionigi3, Sa a
Modanesi3, Daniela Biondi4, Tommaso Mo ama co3, Ch is ian Massa i3
1 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Rende, I aly.
2 Resea ch Ins i u e o A mosphe ic Sciences and Clima e, Na ional Resea ch Council, Lamezia Te me, I aly
3 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Pe ugia, I aly
4 Depa men o Compu e , Modeling, Elec onics and Sys ems Enginee ing, Uni e si y o Calab ia, Rende, I aly
*e-mail: dome[email p o ec ed]
Abs ac
In i e basins wi h sho esponse imes, accu a e p edic ion o s eam low in he channel ne wo k is essen ial
o e ec i e lood isk managemen . In his pe cep ion, nume ous hyd ological models a e p oposed o simula e
he ain all- uno ans o ma ion, which could be coupled wi h sho - and medium- e m ope a ional wea he
o ecas s p o ided a kilome e -scale by con ec ion-pe mi ing models. Ano he aluable sou ce o o cing
hyd ological models is emo ely sensed, nea eal- ime p ecipi a ion es ima es, wi h se e al ope a ional p oduc s
a ailable based on obse a ions om passi e mic owa e and in a ed senso s. A quan i ica ion o he
unce ain y o p edic ed s eam low hen cons i u es essen ial in o ma ion in lood eme gency managemen , wi h
p obabilis ic o ecas s ha can be used as e icien suppo o isk-based decisions. Se e al me hods o
es ima ing p edic i e unce ain y can be ound in he li e a u e, also in ol ing an e ec i e combina ion o
di e en models based on hei abili y o p edic obse ed hyd ological esponse, o p o ide mo e skill ul
o ecas s han a single model does o e he ange o possible hyd ological si ua ions. The p ope way o exploi
in o ma ion om ad anced emo e senso s and wea he o ecas ing, a ailable wi h imp o ed accu acy and
inc easingly ine esolu ions, is s ill an open ques ion wi hin a amewo k which includes p edic i e unce ain y
es ima ion. In addi ion o he e alua ion o he eliabili y o he o cing da a, he sui abili y o he di e en
p ocessing me hods is o in e es , wi h a iew o e icien suppo o he eal- ime ea ly wa ning ac i i ies.
As pa o he “Tech4You - Technologies o clima e change adap a ion and quali y o li e imp o emen ”
p ojec , a lood o ecas ing sys em is being de eloped, aimed o use ully suppo he s akeholde s in isk
assessmen . The sys em is based on a mul i-model applica ion o he Model Condi ional P ocesso (MCP) o
p edic i e unce ain y es ima e (Coccia & Todini, 2011; Ba be a e al., 2017). MCP is a Bayesian me hodology
which uses wo join dis ibu ions o imp o e he adap a ion o low and high lows.
The C a i Ri e basin, he la ges in Calab ia in e ms o discha ge and d ainage a ea, was chosen as case
s udy o he pe iod 2011-2024. A selec ion o hyd ological models was conside ed wi h he aim o o e all
ep esen ing he ac ual s eam low esponse o he basin. The ollowing concep ual models we e used: MISDc-
2L, HBV-96, GR6H, and NAM. Hyd ological modelling was pe o med on an hou ly ime esolu ion and a sub-
basin scale.
An assessmen o he selec ed models was ca ied ou using gauge-based p ecipi a ion da a. The la e we e
de i ed om measu emen s p o ided by he I alian Ci il P o ec ion Depa men spa ially in e pola ed on a 1 km
g id (B uno e al., 2021; A anzi e al., 2023). The calib a ion objec i e unc ion was de ined as a weigh ed sum
o he well-known Kling-Gup a E iciency index wi h an applica ion-speci ic sco e o high low beha io s, and
speci ically he annual peak low bias (APFB) p oposed by Mizukami e al. (2019). The se o hyd ological
models was calib a ed and alida ed, p o iding accep able pe o mance o e all, also conside ing speci ic lood
e en s. The KGE index a ies be ween 0.90 and 0.93 and be ween 0.81 and 0.84 in calib a ion and alida ion,
espec i ely, whe eas he e iciency on APFB is close o he op imum in calib a ion and anges be ween 0.84
and 0.94 in alida ion depending on he model. These i s analyses highligh ed he capabili y o he selec ed
hyd ological models o simula e he obse ed s eam low when o ced wi h he gauge-based p ecipi a ion. The
accu acy o he o ecas p o ided by he modelling sys em u he imp o ed when single models’ p edic ions
we e e ec i ely combined by using MCP o ob ain p obabilis ic discha ge o ecas ing.
Subsequen in es iga ions a e ocused on he use o al e na i e p ecipi a ion o cings, and speci ically:
• simula ions o Wea he Resea ch and Fo ecas ing (WRF) model a con ec ion-pe mi ing scale
(2-km)
128
• NASA’s In eg a ed Mul i-sa elli E Re ie als o GPM (IMERG) Ea ly Run p oduc (0.1° esolu ion)
in combina ion, o no , wi h bias co ec ion app oaches o emo e sys ema ic di e ences wi h g ound-based
da a. The al e na i e o cings (wi h o wi hou bias co ec ion) a e used o d i e he ou calib a ed hyd ological
models, whose o ecas s a e hen syne gis ically in eg a ed du ing he p edic i e unce ain y es ima ion phase.
Al hough a bene i om bias co ec ion is gene ally expec ed o he simula ion o he single, al eady calib a ed
model, he added alue o his p ocessing s ep could s ill be educed by he adjus men o he ep oduced
s eam low due o he MCP applica ion.
This analysis he e o e p o ides insigh s in o he assessmen and in e compa ison o di e en hyd ological
models (d i en by se e al o cings), he added alue o MCP applica ion (in di e en scena ios), he ole o bias
co ec ion app oaches in conjunc ion wi h MCP ( o di e en o cings), he po en ial o s a e-o - he-a sa elli e-
based and modelled p ecipi a ion da a o hyd ological applica ions and he e ec i eness o di e en wo k lows
in inc easing he e iciency o s eam low simula ions.
Acknowledgemen s
This wo k was unded by he Nex Gene a ion EU - I alian NRRP, Mission 4, Componen 2, In es men 1.5, call
o he c ea ion and s eng hening o ‘Inno a ion Ecosys ems’, building ‘Te i o ial R&D Leade s’ (Di ec o ial
Dec ee n. 2021/3277) - p ojec Tech4You - Technologies o clima e change adap a ion and quali y o li e
imp o emen , n. ECS0000009. This wo k e lec s only he au ho s’ iews and opinions, nei he he Minis y o
Uni e si y and Resea ch no he Eu opean Commission can be conside ed esponsible o hem.
Spa ially in e pola ed p ecipi a ion da a we e p o ided by CIMA Resea ch Founda ion and a e based on in-si u
p ecipi a ion and ada da a om he da abase o he I alian Ci il P o ec ion Depa men .
Re e ences
A anzi, F., Gabellani, S., Delogu, F., Sil es o, F., Pignone, F., B uno, G., Pul i en i, L. e al. IT-SNOW: a snow
eanalysis o I aly blending modeling, in si u da a, and sa elli e obse a ions (2010-2021), Ea h Sys em
Science Da a, 2023, 15(2), 639-660.
Ba be a, S., Coccia, G., Mo ama co, T., B occa, L. & Todini, E. The mul i empo al/mul i-model app oach o
p edic i e unce ain y assessmen in eal- ime lood o ecas ing, Jou nal o Hyd ology, 2017, 551, 555-576.
B uno, G., Pignone, F., Sil es o, F., Gabellani, S., Schia i, F., Rebo a, N., Gio dano, P. & Falzacappa, M.
Pe o ming Hyd ological Moni o ing a a Na ional Scale by Exploi ing Rain-Gauge and Rada Ne wo ks:
The I alian Case, A mosphe e, 2021, 12(6), 771.
Coccia, G. & Todini, E. Recen de elopmen s in p edic i e unce ain y assessmen based on he model
condi ional p ocesso app oach, Hyd ology and Ea h Sys em Sciences, 2011, 15, 3253-3274.
Mizukami, N., Rako ec, O., Newman, A. J., Cla k, M. P., Wood, A. W., Gup a, H. V., & Kuma , R. On he choice
o calib a ion me ics o “high- low” es ima ion using hyd ologic models. Hyd ology and Ea h Sys em
Sciences, 2019, 23(6), 2601–2614.
129
L’impo anza delle scale di de lusso pe la ges ione degli e en i
di piena: applicazioni in Sa degna
Sa a F ongia, En ica Pe a, Giaime Tocco, Rossana Bussa, Luigi Pe a, Massimo Melis, Sa e io
Libe a o e, Claudio A as, Domenico Ca acciolo*
Dipa imen o Geologico, id ogeologico e id og a ico. Agenzia Regionale pe la P o ezione dell’Ambien e della Sa degna
(ARPAS), I alia
*e-mail: [email p o ec ed]
Somma io
Il Dipa imen o Geologico, id ogeologico e id og a ico (DGII) di ARPA Sa degna edige le scale di de lusso in
adempimen o dei compi i is i uzionali inalizza i alla pubblicazione degli Annali Id ologici pa e II, e pe a o i e
la ges ione degli e en i me eo ologici da pa e della P o ezione Ci ile Regionale a a e so il moni o aggio
id ome ico con la e e iducia ia. Pe il cos an e miglio amen o delle a i i à sudde e, esso ope a in a uazione
della con enzione s ipula a il 29/12/2020 con l’Agenzia del Dis e o Id og a ico della Sa degna (ADIS) e ISPRA,
inalizza a all’esecuzione di una campagna s ao dina ia di misu e di po a a da esegui e nelle sezioni di
moni o aggio id ome ico della Sa degna.
La conoscenza sis ema ica e capilla e della po a a che de luisce nei co si d’acqua na u ali cos i uisce uno
dei p esuppos i ondamen ali pe qualunque poli ica ambien ale e di p o ezione ci ile: di di esa e di p e isione
di enomeni di piena e sicci à, di ges ione della iso sa id ica, di quali à dell’acqua, di p o ezione degli ecosis emi
lu iali, di di esa dall’inquinamen o, di ca a e izzazione dei co pi id ici, di ges ione delle ope azioni di ilascio
dalle dighe, di alu azione dell’impa o dei cambiamen i clima ici sul egime id ologico ecc.
La po a a liquida in al eo cos i uisce pe an o una delle a iabili ambien ali più impo an i ed è al con empo
una delle g andezze isiche più di icili, ol e che economicamen e più one ose, da misu a e.
Il moni o aggio con inuo della po a a nei co si d’acqua è lega o all’esis enza di un legame a la po a a che
a a e sa una sezione e il li ello id ome ico co isponden e, no o come ‘scala di de lusso’ o ‘scala delle po a e’.
La conoscenza della po a a in una speci ica sezione id ome ica, in con inuo e in empo eale, si ealizza
a a e so l’ins allazione di un senso e pe la misu a in con inuo del li ello id ome ico e la de inizione e
aggio namen o della scala di de lusso median e l’esecuzione con inua di misu e pun uali di po a a.
A pa i e dal 2022, ARPA Sa degna condi ide sul p op io si o is i uzionale le scale di de lusso elabo a e in
co ispondenza delle sezioni id ome iche nelle quali siano disponibili, in unzione della geome ia della sezione,
almeno 12-15 misu e di po a a alida e; laddo e in base all’analisi dei da i, della geome ia e delle p op ie à
id auliche della sezione, la scala di de lusso sia suddi isa in più ami (di mag a, di mo bida, e di piena), ciascun
amo è s a o de ini o con non meno di 5 misu e alida e, in modo da in e p e a e in modo co e o l’in e o ange
dei li elli id ome ici.
A causa della a iabili à id aulica e mo ologica dell’al eo, nonché di ul e io i modi iche, anche empo anee,
è indispensabile e di ondamen ale impo anza la con inua e i ica e aggio namen o della scala di de lusso e
dei limi i en o cui essa è alida.
Il DGII s a la o ando all’aggio namen o della scala di de lusso, in pa icola e del amo di piena, della sezione
id ome ica ‘Flumineddu ad Allai’, localizza a all’in e no del bacino id og a ico del Fiume Ti so, il maggio e iume
della Sa degna pe lunghezza e supe icie del bacino; ale sezione è di ondamen ale impo anza pe il
moni o aggio degli appo i al Fiume Ti so da uno dei suoi p incipali a luen i, il Flumineddu. In ques a sezione
id ome ica il amo di piena della scala di de lusso è s a o cos ui o u ilizzando misu e di po a a ela i e ad un
e en o di piena del 2021; du an e l’e en o di piena del 16-18 ap ile 2025, a causa di modi iche della sezione
id ome ica, le po a e ansi an i sono isul a e in e io i a quelle p e is e dalla scala di de lusso. Ciò ha a o sì
che l’En e ges o e della diga di P anu An oni, si a a alle della sezione id ome ica, s imando un a lusso da
mon e supe io e a quello e e i o, abbia e e ua o un ilascio dalla diga supe io e a quello che sa ebbe s a o
necessa io.
Inol e, in assenza di misu e di e e di po a e di piena, spesso a causa della di icol à nell’esecuzione e
dell’in ensi ica si dei enomeni sicci osi, le scale di de lusso non possono esse e de ini e empi icamen e
median e l’in e polazione di pun i li ello-po a a. Un me odo pe l’es apolazione del amo di piena pe le sezioni
do e non siano disponibili misu e di e e di po a a consis e nell’u ilizzo della modellis ica id aulica e la
conseguen e p edisposizione di scale di de lusso eo iche. Nell’ambi o di ques o la o o iene ipo a o
l’aggio namen o della scala di de lusso pe la sezione id ome ica Flumendosa a Ballao, appa enen e al bacino
id og a ico del Fiume Flumendosa, il secondo iume della Sa degna pe lunghezza e di impo anza s a egica
130
insieme al Fiume Ti so pe il sis ema id ico della egione, con l’elabo azione del amo di piena o enu o
a a e so modellazione id aulica.
Bibliog a ia
ISO 18320, 2020. Hyd ome y – Measu emen o liquid low in open channels – De e mina ion o he s age-
discha ge ela ionship, pp. 1-54.
ISPRA, 2017. P og amma Nazionale di misu e di po a a in co si d’acqua inalizza e alla de inizione della scala
di de lusso. Valu azione ecnico-economica. Ta olo Nazionale pe i Se izi di Id ologia Ope a i a, 20(7),
pp.1-13.
131
Un modello di machine lea ning pe la alu azione della
susce ibili à alle allu ioni nella ascia cos ie a del Basen o
Ma ica Rondinone1*, Sil ano Fo una o Dal Sasso2, H ay H ay Aung2, Mau o Fio en ino1,
Vi o Telesca1
1 Dipa imen o di Ingegne ia, Uni e si à della Basilica a, Po enza, I alia
2 Dipa imen o pe l'Inno azione Umanis ica, Scien i ica e Sociale, Uni e si à della Basilica a, Po enza e Ma e a, I alia
*e-mail: [email p o ec ed]
Somma io
Le allu ioni cos i uiscono una delle p incipali minacce na u ali pe il e i o io i aliano, con impa i ile an i su
insediamen i u bani, in as u u e e ambien e. Pe a on a e la c escen e complessi à dell'analisi del ischio
id aulico, ques o s udio p opone una me odologia basa a sull'algo i mo di app endimen o au oma ico XGBoos
pe la alu azione della susce ibili à alle allu ioni. L’app occio in eg a da i geospaziali ad al a isoluzione e
ecniche di in e p e azione dei modelli (eXplainable AI - XAI) pe p odu e mappe p edi i e a suppo o della
piani icazione e mi igazione del ischio (Rondinone e al., 2025).
Il bacino del iume Basen o, in Basilica a, è s o icamen e sogge o a e en i allu ionali ico en i e impa an i
(Albano e al., 2024; Dal Sasso e al., 2017). E en i di piena signi ica i i si sono e i ica i nel ma zo 2011, o ob e
e dicemb e 2013, causando danni es esi. L'in en a io delle a ee allu iona e è s a o cos ui o u ilizzando da i da
Cope nicus EMS, immagini ada COSMO-SkyMed e a chi i egionali. I da i sa elli a i ad al a isoluzione (2.5
m) hanno consen i o una mappa u a de aglia a dell'es ensione degli e en i. Sono s a i seleziona i o o a o i
condizionan i di na u a spaziale: ele azione, ele azione ela i a, pendenza, esposizione, dis anza dal e icolo
id og a ico, densi à di d enaggio, uso del suolo e li ologia. I da i as e sono s a i elabo a i in ambien e GIS con
isoluzione 20 m x 20 m. Il modello XGBoos è s a o addes a o su una base da i suddi isa in aining se (70%)
e es se (30%). Pe e i a e enomeni di o e i ing lega i alla complessi à geomo ologica e all’e e ogenei à del
e i o io, l’analisi è s a a applica a a una po zione del bacino con al i udine in e io e ai 350 m s.l.m.,
maggio men e sogge a a e en i allu ionali e ca a e izza a da maggio e omogenei à geomo ologica. Pe
compensa e lo sbilanciamen o delle classi (a ee inonda e s. non inonda e), si è applica o il me odo SMOTE
(P adip a e al., 2021). La alu azione del modello è s a a condo a median e c oss- alida ion a 10 old e es su
se indipenden i, con e mandone la obus ezza e l'a idabili à. L’in e p e azione dei isul a i è s a a suppo a a
dall’uso della ecnica SHAP (SHapley Addi i e exPlana ions), in linea con quan o mos a o da Cappelli e al.
(2024).
Il modello ha aggiun o un'accu a ezza pa i a 0.983. La classe "inonda a" ha o enu o una p ecisione del
68.7% e un ecall del 97.5%. La Figu a 1 mos a i isul a i della classi icazione o enu a dal modello XGBoos
nella zona cos ie a del iume Basen o. Le a ee in ciano indicano le zone co e amen e iden i ica e come
sogge e a inondazione, men e le a ee in blu e osso app esen ano, ispe i amen e, i alsi posi i i (FP) e i alsi
nega i i (FN). Il 62% delle a ee classi ica e come allu iona e icade in co ispondenza del e icolo id og a ico
u iciale (CTR), a con e ma dell'a idabili à spaziale del modello. Le analisi di e o e mos ano una bassa
pe cen uale di alsi posi i i (10.55%) e alsi nega i i (1.69%). I e a o i più in luen i nella classi icazione,
secondo l'analisi SHAP, sono: l’ele azione (53%), l’ele azione ela i a (14%) e la densi à di d enaggio (13%).
Le a ee con bassa al i udine e al a densi à di d enaggio sono isul a e le più espos e al ischio.
L’app occio si è dimos a o e icace pe la mappa u a della susce ibili à alle allu ioni nel bacino del Basen o.
L’in eg azione con ecniche di in e p e azione del modello ha consen i o inol e di indi idua e le p incipali
a iabili geospaziali che in luenzano maggio men e il enomeno allu ionale, suppo ando decisioni più
consape oli nell’ambi o della piani icazione e mi igazione. La me odologia si con e ma scalabile e ada abile ad
al i con es i espos i a pe icolosi à id aulica. S iluppi u u i po ebbe o include e l’applicazione di ecniche di
in e p e abili à globale e locale, pe comp ende e non solo quali a o i in luenzano maggio men e il
compo amen o complessi o del modello, ma anche pe analizza e come e pe quali alo i speci ici le singole
a iabili incidano sui isul a i del modello.
132
Figu a 1. a) Mappa di classi icazione delle a ee allu iona e; b) is og amma della global SHAP Fea u e Impo ance
Bibliog a ia
Albano, R., Limongi, C.,Dal Sasso, S.F., Mancusi, L., Adamowski, J., 2024. Flood scena io spa io- empo al
mapping ia hyd ological and hyd odynamic modelling and a emo e sensing da ase : A case s udy o he
Basen o i e (Sou he n I aly). In . J. Disas e Risk Reduc . 2024, 111, 104758.
Cappelli F, Cas onuo o G, G imaldi S, Telesca V. 2024. Random Fo es and Fea u e Impo ance Measu es
o Disc imina ing he Mos In luen ial En i onmen al Fac o s in P edic ing Ca dio ascula and Respi a o y
Diseases. In J En i on Res Public Heal h. 2024 Jul 2;21(7):867. doi: 10.3390/ije ph21070867. PMID:
39063444; PMCID: PMC11276884.
Dal Sasso, S.F., Man eda, S., Cappa elli, G., Ve sace, P., Samela, C.; Spilo o, G., Fio en ino, M., 2017.
Hyd ological and geological haza ds in Basilica a. L’Acqua 2017, 3, 77–85.
P adip a, G.A., Wa doyo, R., Musdholi ah, A., Sanjaya, I.N.H., Ismail, M. 2021. SMOTE o Handling Imbalanced
Da a P oblem: A Re iew. In 2021 Six h In e na ional Con e ence on In o ma ics and Compu ing (ICIC),
Jaka a, Indonesia, 2021; pp. 1-8. doi: 10.1109/ICIC54025.2021.9632912.
Rondinone, M., Dal Sasso, S.F., Aung, H.H., Con illo, L., Dimola, G., Schia a ella, M., Fio en ino, M., Telesca,
V., 2025. Assessing Flood and Landslide Suscep ibili y Using XGBoos : Case S udy o he Basen o Ri e
in Sou he n I aly. Appl. Sci. 2025, 15, 5290.
133
QT-DREAM: un app occio id ologico dis ibui o pe la
simulazione delle piene di p oge o in con es i sca samen e
s umen a i
Fede ica Mes o1*, And ea Gioia2, Rocco Bonelli3, Sil ano Fo una o Dal Sasso4, Luciana Giuzio3,
Ma ghe i a Lomba do2,5, Sal a o e Man eda6, Ma ia Rosa ia Ma gio a7, Beniamino Ono a i7, Biagio
Sileo4, Pasquale Pe ini1, Vincenzo To a o2, Vi o Iacobellis2, Mau o Fio en ino7, Ve a Co belli3
1 DISSPA, Uni e si à degli S udi di Ba i Aldo Mo o, Ba i
2 DICATECh, Poli ecnico di Ba i, Ba i
3 Au o i à di Bacino Dis e uale dell'Appennino Me idionale, Case a.
4 DiUSS, Uni e si à della Basilica a, Ma e a.
5 DIAm, Uni e si à della Calab ia, Rende
6 DICEA, Uni e si à di Napoli Fede ico II, Napoli
7 DiING, Uni e si à della Basilica a, Po enza
*e-mail: [email p o ec ed]
Somma io
La s ima delle piene di p oge o (T- loods) app esen a una delle s ide p incipali dell’id ologia, sop a u o in
bacini sca samen e s umen a i. In ques o s udio si p opone un app occio basa o su un modello id ologico
dis ibui o, QT-DREAM, e oluzione del modello DREAM (Dis ibu ed model o Runo , E apo anspi a ion, and
An eceden soil Mois u e simula ion, Man eda e al., 2005), pe simula e gli id og ammi di piena associa i a
empi di i o no pa i a 30, 200 e 500 anni. Il modello è s a o applica o a 20 bacini s umen a i si ua i nelle egioni
Puglia e Basilica a, ca a e izza i da condizioni clima iche e mo ologiche e e ogenee.
Una delle p incipali inno azioni me odologiche in odo e igua da la gene azione di g iglie idimensionali
(spazio- empo) di uno , o enu e ami e un’unica simulazione sull’in e o bacino p incipale. Ques e g iglie
engono successi amen e applica e di e amen e ai so obacini s umen a i annida i, e i ando icalcoli locali del
bilancio id ologico e ga an endo la coe enza spaziale a le di e se sezioni. L’app occio, concepi o anche in
is a di applicazioni Rain-On-G id all’in e no di modelli id odinamici 2D, pe me e di es ende e le alu azioni
id ologiche a sezioni non moni o a e, o endo così un alido suppo o alla ges ione del ischio id aulico su scala
di bacino.
Il con on o a le simulazioni e e ua e sull’in e o bacino p incipale e quelle condo e sui singoli so obacini
ha e idenzia o una buona coe enza in e na del me odo, con di e enze medie nei colmi di piena in e io i al 10%.
Inol e, il modello ha dimos a o una buona capaci à di ip odu e la dis ibuzione di equenza dei colmi di piena
(Iacobellis and Fio en ino, 2000; Gioia e al., 2008) con uno sca o medio ispe o ai alo i osse a i pa i a ci ca
il 15% nei bacini della Puglia e al 6% in quelli della Basilica a.
L’a idabili à del modello è ul e io men e a o za a dall’impiego di pa ame i isicamen e coe en i e dalla
consis enza spaziale dei da i di inpu (uso del suolo, ipo di suolo, opog a ia), de i a i da on i ad al a isoluzione.
Il p esen e la o o p opone, pe an o, un amewo k ope a i o pe la alu azione del ischio allu ionale in con es i
ca a e izza i da una bassa densi à di osse azioni, ap endo la s ada all’in eg azione con modelli id aulici pe
la p oduzione di mappe di pe icolosi à.
140
Concep ual hyd ological modelling in complex and da a-sca ce
moun ainous basins using addi ional in o ma ion sou ces: a
case s udy in he Indian Himalayas
Domenico De San is1*, Sil ia Ba be a2, Fa had Bahmanpou i2, Sumi Sen3, Ashu osh Sha ma3,
Anki Aga wal3, Saga Gup a3, Vi iana Maggioni4, F ancesco A anzi5, Ch is ian Massa i2
1 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Rende, I aly
2 Resea ch Ins i u e o Geo-Hyd ological P o ec ion, Na ional Resea ch Council, Pe ugia, I aly
3 Depa men o Hyd ology, Indian Ins i u e o Technology Roo kee, Roo kee, India
4 Depa men o Ci il, En i onmen al & In as uc u e Enginee ing, Geo ge Mason Uni e si y, Fai ax, USA
5 CIMA Resea ch Founda ion, Sa ona, I aly
*e-mail: dome[email p o ec ed]
Abs ac
The Indian Himalayan Region holds signi ican hyd ological in e es , wi h s eam low esponse dynamics ha
con inue o wa an in-dep h in es iga ion. Basins cha ac e ized by high moun ains and densely popula ed
alleys a e p one o lash loods and o he i e low- ela ed disas e s, due o hea y ains igge ed by he
in e ac ion be ween he complex o og aphy and he Indian Summe Monsoon (ISM). A complex in e play o
me eo ological, opog aphical, and uno gene a ion ac o s con ols s eam low a iabili y, whose accu a e
o ecas is pi o al o e ec i e lood isk managemen . Howe e , analysing and modelling main hyd ological
p ocesses, especially du ing loods, p esen subs an ial challenges, gi en he da a sca ci y ( ypical o high-
al i ude a eas) and high empo al/spa ial he e ogenei y o hyd ological a iables. Rain gauges o en lack
accu acy and ep esen a i eness, whe eas me eo ological models and emo e sensing obse a ions gene ally
su e om la ge biases and unce ain ies in complex e ain. Accu a ely quan i ying basin-scale wa e budge
componen s emains a majo challenge in hese egions, making wa e balance closu e pa icula ly di icul and
hinde ing a p ecise ep esen a ion o hyd ological dynamics.
Hyd ological modelling can b idge his gap, ensu ing consis ency ac oss mul iple da a sou ces, by iden i ying
and mi iga ing some sys ema ic e o s. Concep ual and semi-dis ibu ed models can be pa icula ly well-sui ed
o basins cha ac e ized by complex dynamics and limi ed da a a ailabili y; howe e , accu a ely cap u ing he
hyd ological p ocesses ha d i e s eam low a iabili y emains essen ial o eliable modelling. A ‘ i - o -
pu pose’ concep ualiza ion can well ep esen how ain, snow, and glacie mel con ibu e o uno gene a ion,
especially du ing high lows. The in eg a ion o addi ional in o ma ion has he po en ial o p o ide obus
hyd ological simula ions. Howe e , a mo e ealis ic ep esen a ion o in e nal p ocesses does no necessa ily
lead o be e s eam low simula ions.
This s udy ocused on he pa ially glacie ized, monsoon-domina ed Alaknanda Ri e basin (~8600 km²), one
o he wo heads eams o he Ganges. Da a sca ci y was add essed h ough a dual app oach: by employing a
speci ically ailo ed, simpli ied, and pa simonious hyd ological modelling amewo k, and by cons aining
calib a ion using sa elli e-based da a. The concep ual and semi-dis ibu ed MISDc-2L hyd ological model,
p e iously applied o a mul i ude o basins and p o en e ec i e o lood p edic ion, was modi ied he e wi h a
ailo -made snow module and he addi ion o a s a ic and a dynamic glacie module. The modelling amewo k
was enhanced by using mul iple e e ence da a. Speci ically, in o ma ion on glacie s o ed wa e loss and ac ual
e apo anspi a ion (AET) was used o close he wa e balance and imp o e he model abili y o ep oduce
magni ude and pa e ns o hyd ological luxes. This was ackled by adjus ing he eanalysis p ecipi a ion, which
unde es ima ed he obse ed s eam low a he ou le . Mul iple scena ios we e explo ed, di e ing in he da a
used o cons ain model calib a ion, he me hods applied o co ec sys ema ic p ecipi a ion e o s, and he
ea men o glacie mel – whe he explici ly modelled o no .
The analysis showed ha :
• Despi e i s simpli ied and pa simonious concep ualiza ion, he model demons a ed a s ong
abili y o ep oduce obse ed s eam low du ing bo h he calib a ion and alida ion pe iods wi h
a KGE o 0.88 and 0.83, espec i ely, o he baseline scena io. These inc eased o 0.93 and
0.92 when using a wo-pa ame e p ecipi a ion adjus men o mula. The model p o ed o be
eliable unde a e age low condi ions and e ec i ely cap u ed high- low egimes. Howe e , i s
pe o mance in simula ing speci ic lash lood e en s was limi ed, p ima ily due o localized
141
inaccu acies in he ain all da a.
• The model accu a ely ep oduced e e ence es ima es o glacie s o age changes and AET when
addi ional da a we e embedded in he calib a ion amewo k. Using addi ional e e ence da ase s
enhanced he model’s abili y o ep esen physical p ocesses bu in oduced ade-o s in he
es ima ion o he seasonal hyd og aph. This can be a ibu ed o limi a ions in he
concep ualiza ion o hyd ological p ocesses and e o s in di e en da ase s leading o inco ec
pa ame e es ima ion.
• Pa simonious p ecipi a ion adjus men s can signi ican ly imp o e s eam low simula ion, by
handling biases in he p ecipi a ion da ase . Model simula ions enabled he quan i ica ion o
me eo ological o cing unde es ima ion o hyd ological applica ions, wi h he ex en o such
unde es ima ion a ying by season and p ecipi a ion in ensi y.
• Glacie mel con ibu es ma ginally o o e all s eam low, bu i s inclusion imp o es in e nal model
consis ency. Simple concep ualiza ions, such as empe a u e-d i en mel ing combined wi h s a ic
o V-A scaling app oaches o glacie e olu ion, may be app op ia e o hyd ological simula ions
in monsoon-domina ed basins. He e, e e ence da a a ailable o calib a ion we e well
ep oduced bo h in e ms o magni ude and spa io empo al pa e ns, bu du ing he alida ion
pe iod he model did no cap u e he expec ed inc ease in glacie s o ed wa e loss.
The 20-yea modelling analysis (2001-2020) yielded hyd ologically consis en es ima es o he main wa e
luxes, u he e ined h ough he in eg a ion o independen mul i-sou ce da a. This analysis enabled a deepe
explo a ion o a ious aspec s o he wa e cycle wi hin he s udy basin – cap u ing seasonal and spa ial pa e ns
as well as in e annual a iabili y – and con ibu ed o ad ancing p ocess unde s anding in hyd ologically
he e ogeneous, monsoon-domina ed basins o he Indian Himalayas.
O e all, he amewo k o e s a p ac ical modelling s a egy o da a-sca ce Himalayan basins wi h simila ly
complex hyd ological p ocesses, o e ing aluable insigh s o egional lood o ecas ing and wa e balance
assessmen s. None heless, limi a ions pe sis due o coa se inpu da a, simpli ied ep esen a ions o snow and
glacie dynamics, and weak pa ame e cons ain s a highe ele a ions. Fu u e wo k should ocus on imp o ing
he downscaling o me eo ological inpu s, enhancing he physical modelling o snow and ice p ocesses, and
applying mul i-objec i e calib a ion echniques using mo e obus , unce ain y-cha ac e ized da ase s –
including e e ence da a o snow dynamics.
The a ailabili y o accu a e high- esolu ion p ecipi a ion da a is essen ial o imp o e he p edic abili y o high
lows du ing he ISM season, ega dless o he complexi y o he hyd ological model. The inabili y o cap u e
localized hea y ain all e en s limi s he e ec i eness o s eam low pos -p ocessing, cons ains he use o
hyd ological models as p edic i e ools o lood o ecas ing, and hinde s p og ess in unde s anding hyd ological
esponses o ex eme p ecipi a ion in he Indian Himalayas.
Acknowledgemen s
This s udy was ca ied ou in he amewo k o he FLOSET P ojec “P obabilis ic loods and sedimen anspo
o ecas ing in he Himalayas du ing he ex eme e en s”, unded in he con ex o he ‘ITALY-INDIA JOINT
SCIENCE AND TECHNOLOGY COOPERATION CALL FOR JOINT PROJECT PROPOSALS FOR THE
YEARS 2021 2023’.
142
Residual Dynamics in Hyd ological Models: Insigh s om a
la ge sample o ca chmen s and models
Luca Lomba do1*, Simon Michael Papalexiou2,3, Cy il Thébaul 2, Ma yn P. Cla k2,
Richa d M. Vogel4, Albe o Viglione1
1 Depa men o En i onmen al Enginee ing, Poli ecnico di To ino, I aly
2 Depa men o Ci il Enginee ing, Uni e si y o Calga y, Canada
3 Uni e si y o Saska chewan, Canada
4 Depa men o Ci il & En i onmen al Enginee ing, Tu s Uni e si y, Med o d, MA, USA
*e-mail: luca.[email p o ec ed]
Abs ac
Residuals om hyd ological models a e c i ical o e alua ing model pe o mance, imp o ing p edic i e
accu acy, and deepening he unde s anding o hyd ological p ocesses. Enhancing p edic i e me hods is
especially c ucial o cap u ing ex eme e en s, which ha e signi ican implica ions o isk managemen and
planning. These esiduals, howe e , a e in luenced by model s uc u es, p ep ocessing me hods, and
ca chmen cha ac e is ics. This s udy add esses hese complexi ies by sys ema ically analyzing he s a is ical
p ope ies o esiduals unde a ious ans o ma ions and p ep ocessing ea men s. The analysis spans a
di e se da ase o ca chmen s ac oss a b oad ange o hyd oclima ic condi ions, wi h esiduals gene a ed om
simula ions o mul iple hyd ological models, ensu ing bo h he gene ali y and obus ness o he indings.
Key aspec s o he esea ch include he e alua ion o esidual p ope ies unde ans o ma ions, such as log-
ans o ma ion, and he ole o p ep ocessing s eps. Th ough his app oach, he s udy p o ides a mo e
consis en amewo k o assessing a iabili y, skewness, ku osis, au oco ela ion, and dependency s uc u es
in esiduals. Addi ionally, he analysis encompasses he e oskedas ici y and ail dependencies, cap u ing he
nuances o esidual beha io ac oss di e en con ex s.
The da ase ’s ex en is a de ining s eng h o his s udy. By in ol ing simula ions om a wide ange o
hyd ological models (78 con igu a ions) and including ca chmen s wi h a ying clima ic and physical
cha ac e is ics (mo e han 400 basins in he Uni ed S a es, anging om d y o we clima es), he esea ch
deli e s insigh s ha a e widely applicable o di e se hyd ological condi ions. This b ead h ensu es ha indings
a e ele an o bo h heo e ical ad ancemen s and p ac ical applica ions, o e ing guidance o esea che s and
p ac i ione s wo king wi h di e en modeling sys ems and ca chmen ypes.
A cen al esul highligh s he ans o ma i e impac o emo ing seasonali y om esiduals. De-
seasonaliza ion no only s abilizes key esidual p ope ies bu also educes a iabili y ac oss models, acili a ing
a clea e e alua ion o model pe o mance and e o s uc u es, unde sco ing he impo ance o s anda dizing
p ep ocessing echniques in hyd ological modeling, as i enables mo e obus and in e p e able diagnos ic
amewo ks. A di ec consequence o esidual analysis is hen he de elopmen o s ochas ic models o
unce ain y es ima ion as well as he possible de elopmen o al e na i e objec i e me ics o calib a e ain all-
uno models.
143
GETAFLOOD: un ool in eg a o di modellazione e analisi
id ologica pe la de i azione au oma ica delle piene di p oge o
nei bacini id og a ici siciliani
An onio F ancipane*, Da io T eppiedi, Leona do Vale io No o
Dipa imen o di Ingegne ia, Uni e si à degli S udi di Pale mo, Pale mo, I alia
*e-mail: [email p o ec ed]
Somma io
La s ima delle piene di p oge o app esen a un elemen o di ondamen ale impo anza in mol i se o i
dell’id ologia e dell’id aulica, dalla piani icazione e ges ione delle in as u u e ino alla di esa del e i o io,
g azie alla quale è possibile p oge a e ope e in g ado di esis e e a e en i di piena es emi e minimizza e i
ischi pe le comuni à e pe l’ambien e.
Tale p ocesso, spesso, ede l’u ilizzo di modelli id ologici, anche a s u u a sempli ica a, che o za i con da i
me eo-clima ici e con alcune ca a e is iche del bacino id og a ico in s udio, ne modellano la ispos a id ologica.
Con i e imen o ai modelli id ologici u ilizza i, ques i possono s olge e un uolo c uciale nella comp ensione
delle in e azioni che in e co ono a p ecipi azioni e de lusso all’in e no del bacino, consen endo di analizza e
l’in ensi à e la equenza con cui accadono e en i es emi, come piene e sicci à, di alu a e l’impa o di scena i
clima ici u u i sui cambiamen i nelle componen i del bilancio id ologico e nella ges ione delle iso se id iche, o
anco a, con i e imen o alla alu azione del ischio id aulico, di comp ende e i po enziali impa i delle inondazioni
su in as u u e, ecosis emi e comuni à, cos i uendo i da i di inpu di modelli id aulici pe lo s udio della
p opagazione id aulica di ipo mono- o bi-dimensionale.
Una co e a analisi delle piene di p oge o non può p escinde e dagli elemen i p eceden emen e menziona i,
bene iciando sia della capaci à dei sis emi GIS nel ges i e da i spazialmen e dis ibui i, sia di alcune ecniche di
analisi spaziale pe la ca a e izzazione di un bacino, pe in eg a e ques e in o mazioni all’in e no di modelli
id ologici e miglio a ne l’a idabili à p edi i a. Tu a ia, s iluppa e un ambien e GIS use - iendly che consen a
di s ima e le piene di p oge o combinando e in eg ando u i ques i elemen i non è del u o banale.
Uno degli obie i i più impegna i i pe ali sis emi è quello di u ilizza e modelli id ologici che, pu nella lo o
semplici à, siano in g ado di app esen a e co e amen e la o mazione della piena di p oge o. Nella maggio
pa e dei casi, i modelli u ilizzano un me odo di as o mazione basa o sul conce o dell’id og amma uni a io
(UH; She man, 1932), che si onda su conce i come il empo di co i azione e la cu a a ea- empo (di
co i azione) del bacino, pe i quali l’impiego di un sis ema GIS può app esen a e un a o e de e minan e.
Ques o compi o è u ’al o che semplice, poiché coin olge mol i a o i, come le eloci à con cui l’acqua si muo e
all’in e no del bacino, l’uso del suolo, la mo ologia, la scab ezza del suolo, ecc.
In ques o la o o p esen iamo GETAFLOOD (GEospa ial Tool o Au oma ic de i a ion o design FLOOD), un
ool basa o sul linguaggio di p og ammazione Py hon, s iluppa o in ambien e open-sou ce (QGIS), che in eg a
da i, unzionali à GIS e di e se lib e ie geospaziali open-sou ce, come GDAL, SAGA e Whi eboxTools (Lindsay,
2016), con ecniche di modellazione id ologica.
L’obie i o è quello di c ea e un amewo k in eg a o che o nisca uno s umen o p a ico e semplice pe la
modellazione id ologica delle piene, supe ando alcune assunzioni sempli ica i e comuni a mol i s udi id ologici,
come quelle u ilizza e pe s ima e il empo di co i azione e la cu a a ea- empo del bacino.
La Figu a 1 mos a il amewo k modellis ico u ilizza o in GETAFLOOD. A pa i e dalle cu e di p obabili à
plu iome ica (CPP) o enu e secondo una p ocedu a egionalizza a (Fo es ie i e al., 2018), il ool gene a gli
ie og ammi sin e ici di ipo Chicago pe i empi di i o no speci ica i, o endo la possibili à di conside a e un
a o e di cambiamen o clima ico pe ene e con o degli e e i a uali e u u i del clima sulle CPP. L’id og amma
di piena è o enu o a a e so l’applicazione congiun a di un modello di depu azione delle piogge, come quello
del CN o di Ho on, e del me odo dell’id og amma uni a io dis ibui o, basa o su un nuo o algo i mo s iluppa o
apposi amen e.
Uno dei p incipali an aggi dello s umen o è che u i ques i p ocessi, soli amen e esegui i sepa a amen e
dall’ope a o e, sono esegui i in un unico p ocesso in eg a o, che pa e dai da i di inpu necessa i pe es i ui e
in ou pu l’id og amma di piena, sempli icando no e olmen e il p ocesso di modellazione e o endo un suppo o
conc e o pe ecnici e ice ca o i pe l’applicazione in di e si se o i, dalla alu azione del ischio id aulico alla
p oge azione e ges ione delle in as u u e id auliche.
144
Figu a 1. F amewo k modellis ico di GETAFLOOD
Bibliog a ia
Fo es ie i, A., Lo Con i, F., Blenkinsop, S., Canna ozzo, M., Fowle , H.J., No o, L.V., 2018. Regional equency
analysis o ex eme ain all in Sicily (I aly). In . J. Clima ol. 38, e698–e716. h ps://doi.o g/10.1002/joc.5400.
Lindsay, J.B., 2016. Whi ebox GAT: A case s udy in geomo phome ic analysis. Compu . Geosci. 95, 75–84.
h ps://doi.o g/10.1016/j.cageo.2016.07.003.
She man, LeRoy K., 1932. S eam low om ain all by he uni -g aph me hod. Eng. News Reco d 108, 501–
505.
145
Valida ion o speci ic and o al ca chmen a ea es ima ed ia
low di ec ion algo i hms h ough a 2D shallow wa e equa ions
nume ical sol e
Sa a Ca a*, Fede ico P os , F ancesca Au eli, Paolo Mignosa
Depa men o Enginee ing and A chi ec u e, Uni e si y o Pa ma, Pa ma, I aly
*e-mail: [email p o ec ed]
Abs ac
Speci ic Ca chmen A ea (SCA) and To al Ca chmen A ea (TCA) a e wo widely used opog aphic a ibu es
in he s udy o hyd ological, geomo phological and biological p ocesses a he wa e shed scale. Examples o
hei applica ions include he use o SCA and/o TCA ields o p edic pa e ns o ela i e soil sa u a ion, po en ial
e osion, o he spa ial dis ibu ion o di e en plan species (Moo e e al., 1991; Chi ico e al., 2005; Li e al.,
2023). Hyd ologically, he TCA – de ined as he la a ea whose su ace uno is po en ially con eyed h ough
a gi en con ou segmen o leng h w – can be connec ed wi h he discha ge a ha con ou segmen in he case
o uni o m, s a iona y ain all and when low is de e mined p ima ily by slope g adien (Gallan & Hu chinson,
2011). The SCA, de ined as he con ibu ing a ea pe uni o con ou leng h (SCA = TCA/w), is p opo ional o
he speci ic discha ge unde he same assump ions (Chi ico e al., 2005; G ube & Peckham, 2009).
The wo a ibu es a e ypically calcula ed a e de e mining he low di ec ions, which can be iden i ied using
di e en algo i hms om a digi al e ain model (Ta bo on, 1997). The e a e se e al me hods a ailable in he
li e a u e, bu hey can be di ided in o wo main ca ego ies: Single Flow Di ec ion (SFD) and Mul iple Flow
Di ec ion (MFD). In he con ex o a disc e ized domain wi h a egula g id, he wo ca ego ies di e in e ms o
whe he an indi idual low di ec ion is assigned o a gi en cell om he eigh neighbo ing cells (in he case o
SFD me hods) o whe he he low is dis ibu ed among mul iple di ec ions wi h di e en weigh s (in he case o
MFD me hods). The o me a e dis inguished by hei simplici y o implemen a ion, especially when used wi hin
mo e complex modeling chains; howe e , hei inabili y o desc ibe di e gen low limi s hei applica ion. On he
o he hand, MFD me hods may exhibi excessi ely dispe si e beha io s (G ube & Peckham, 2009). In his
s udy, six o he mos widely used algo i hms we e selec ed: wo SFD me hods, namely D8 and Rho8, and ou
MFD me hods, namely D-In ini y, MFD-Quinn, MFD-md, and FD8 (G ube & Peckham, 2009; Qin e al., 2007).
The pe o mance o hese me hods is o en e alua ed on syn he ic su aces desc ibed by known equa ions,
in o de o de i e he analy ical exp ession o he SCA based on i s de ini ion, ollowing he me hod p oposed
by Zhou & Liu (2002). This p ocedu e p o ides a e e ence solu ion agains which he esul s ob ained wi h he
di e en algo i hms can be quan i a i ely compa ed. Howe e , he egula su aces commonly used o his
pu pose (some imes e en e y complex) a e no adequa ely ep esen a i e o he eal mo phology o na u al
wa e sheds. Since he ields o SCA and TCA alues a e no known a p io i in a eal DTM, no can hey be
calcula ed analy ically, an e alua ion o he dis ibu ed esul s ob ained wi h he di e en algo i hms on a eal
wa e shed emains a pending issue (Li e al., 2021).
The esea ch he e p esen ed p oposes an inno a i e app oach o he analysis o he pe o mances o low
di ec ion algo i hms o he de e mina ion o TCA/SCA, h ough he hyd aulic-hyd ological model PARFLOOD-
Rain o comple e hyd odynamic p opaga ion a he wa e shed scale. The model is a nume ical sol e o he 2D
Shallow Wa e Equa ions, based on an explici ini e olume disc e iza ion, acco ding o a well-balanced
o mula ion. Using he PARFLOOD-Rain model, i is possible o simula e a p ecipi a ion ield o e a egion o
in e es , desc ibed h ough a e ain model wi h a egula ly spaced g id. The sol e is undoub edly a powe ul
ool in e ms o bo h esul accu acy and compu a ional e iciency (Au eli e al., 2020).
In he i s phase o he s udy, a cons an and uni o m ain all was simula ed h ough he PARFLOOD-Rain
model o e ou syn he ic su aces, selec ed among he mos commonly used ones (inclined plane, saddle,
con ex and conca e su aces) un il a s eady-s a e condi ion was eached. The discha ge and speci ic discha ge
ields, ep esen a i e o he s eady-s a e condi ion, we e hen used o cons uc ields o he co esponding TCA
and SCA alues. Fo he same su aces, SCA and TCA maps ob ained h ough he six selec ed low di ec ion
algo i hms we e also de e mined, alongside he e e ence analy ical solu ions. The esul s ob ained wi h
PARFLOOD-Rain and he di e en algo i hms we e compa ed wi h he exac solu ions, in o de o de i e he
e o me ics. The esul s ob ained h ough PARFLOOD-Rain, o di e en g id esolu ions, highligh ed he high
accu acy o he sol e in he ep oduc ion o he pa e ns o he s udied opog aphic a ibu es (Figu e 1a-d).
Unlike all he examined algo i hms, he nume ical model con e ges owa ds he exac solu ion as g id esolu ion
inc eases, showing ema kably low mean e o alues.
146
An o e iew o he ini ial indings allows o jus i ying he use o he nume ical sol e esul s as a benchma k
o alida ing low di ec ion algo i hms on eal su aces, he eby add essing he gap ound in he cu en
li e a u e. This ongoing s udy hus p oposes a alida ion o he six a o emen ioned algo i hms on eal
wa e sheds. As an in e media e phase o he analysis, SCA and TCA maps we e examined o a su ace
cha ac e ized by a con e gen basin in a cons ic ed channel, ollowed by a di e gen conical su ace, o he
pu pose o ep esen ing a na u al allu ial an a he ou le o a na ow go ge – which is a common mo phology
in moun ain basins. The ob ained esul s highligh he supe io i y o he MFD algo i hms, while also allowing he
in es iga ion o he limi a ions imposed by he simplici y o hei algo i hm – such as, o example, he endency
owa ds excessi e low dispe sion (Figu e 1e-g). Finally, in e es ing obse a ions can be made ega ding he
disc e ion in ol ed in de ining he con ou leng h, a c ucial ac o in calcula ing SCA om TCA, bu o en
inconsis en ly de ined ac oss he di e en s udies in he li e a u e (Li e al., 2023).
Figu e 1. Le : di e gen su ace wi h ellip ical con ou s (800 m x 600 m, 50 cm esolu ion): SCA calcula ed using he
analy ical ela ionship (a), wi h PARFLOOD-Rain esul s (b), using he D8 me hod (c) and he MFD-Quinn me hod (d).
Righ : con e gen -di e gen su ace iden i ied in he in e media e phase (7600 m x 4000 m, 2 m esolu ion): TCA using he
D8 me hod (e), MFD-Quinn me hod ( ) and PARFLOOD-Rain (g).
Re e ences
Au eli, F., P os , F., Vacondio, R., Dazzi, S. and Fe a i, A., 2020. A GPU-Accele a ed Shallow-Wa e Scheme
o Su ace Runo Simula ions. Wa e , 12(3), p.637.
Chi ico, G.B., Wes e n, A.W., G ayson, R.B. and Blöschl, G., 2005. On he de ini ion o he low wid h o
calcula ing speci ic ca chmen a ea pa e ns om g idded ele a ion da a. Hyd ol. P ocess., 19, pp.2539-
2556.
Gallan , J. C. & Hu chinson, M. F., 2011. A di e en ial equa ion o speci ic ca chmen a ea. Wa e Resou ces
Resea ch, 47, W05535.
G ube , S. & Peckham, S., 2009. Land-Su ace Pa ame e s and Objec s in Hyd ology (Chap e 7 in
Geomo phome y: Concep s, So wa e, Applica ions). De elopmen s in Soil Science, 33, pp.171-194.
Li, Z., Lai, X., Shi, P., & Yang, T., 2023. An algo i hm-independen de ini ion o e ec i e con ou leng h and i s
impac s on pixel-scale speci ic ca chmen a ea. Wa e Resou ces Resea ch, 59, e2022WR034036.
Li, Z., Yang, T., Wang, C., Shi, P., Yong, B., & Song, Y., 2021. Assessing he p ecision o To al Con ibu ing
A ea (TCA) es ima ed by low di ec ion algo i hms based on he analy ical solu ion o heo e ical TCA on
syn he ic su aces. Wa e Resou ces Resea ch, 57, e2020WR028546.
Moo e, I. D., G ayson, R. B. and Ladson, A. R., 1991. Digi al e ain modelling: a e iew o hyd ological,
geomo phological, and biological applica ions. Hyd ological P ocesses, 5, pp.3-30.
Qin, C., Zhu, A.-X., Pei, T., Li, B., Zhou, C. and Yang, L., 2007. An adap i e app oach o selec ing a low-
pa i ion exponen o a mul iple‐ low‐di ec ion algo i hm. In e na ional Jou nal o Geog aphical In o ma ion
Science, 21(4), pp.443-458.
Ta bo on, D. G., 1997. A new me hod o he de e mina ion o low di ec ions and upslope a eas in g id digi al
ele a ion models. Wa e Resou ces Resea ch, 33(2), pp.309–319.
Zhou, Q., & Liu, X., 2002. E o assessmen o g id-based low ou ing algo i hms used in hyd ological models.
In e na ional Jou nal o Geog aphical In o ma ion Science, 16(8), pp.819–842.
e)
)
g)
147
Moni o aggio plu iome ico, ada e sa elli a e di allu ioni
lampo in bacini medi e anei
Paolo Colosio1*, San e La iola2, Giulio Mon e2, Robe o Ranzi1
1 DICATAM, Uni e si à di B escia, B escia, I alia
2 CNR-Is i u o di Scienze dell’A mos e a e del Clima (ISAC), Bologna, I alia
*e-mail: [email p o ec ed]
Somma io
Gli e en i di p ecipi azione in ensa di b e e du a a, spesso o igina i da e en i con e i i (Dallan e al., 2022),
sono in g ado di gene a e allu ioni lampo e cola e de i iche, capaci di p o oca e danni ingen i e, al ol a, la
pe di a di i e umane (Luino e al., 2019). Lo s udio di ques i e en i può esse e e e ua o g azie alla modellis ica
nume ica me eo ologica che aiu a a desc i e e isicamen e l’e en o e quella id ologica pe meglio
comp ende ne gli impa i al suolo (Bonomelli e al., 2024) e pe me e ne la p e isione in empo eale (Ranzi e
al., 2009), l’analisi id ologica ela i a alla alu azione dell’in ensi à e della du a a di ques i e en i è di
ondamen ale impo anza pe po e comp ende e i meccanismi di innesco di ques i e en i supe iciali e po e
de ini e delle soglie plu iome iche di p ealle a (Io a i e al., 2025).
Nella memo ia si p esen ano i isul a i del moni o aggio plu iome ico, ada e sa elli a e di sei e en i di
p ecipi azione in ensa che hanno innesca o allu ioni lampo e cola e de i iche nelle Alpi ed in Sa degna a il
2012 ed il 2022, causando qua o i ime. Il 27 luglio 2012 una cola a de i ica in Val Rabbia ha lambi o l’abi a o
di Rino di Sonico in Lomba dia causando g a i danni, l’in e uzione del gasdo o e di in as u u e linea i e o e
p eoccupazione nella popolazione. L’allu ione di Mon e Pinu in Sa degna del 18 no emb e 2013, associa a al
ciclone Cleopa a, ha causa o il c ollo di in as u u e s adali e e i ime. A Dima o, in T en ino, la cola a
de i ica del Rio Ro iano del 29 o ob e 2018 è a enu a dopo e gio ni di piogge in ense, segui i da una ase
con e i a della empes a Vaia (Da olio e al., 2020) che ha innesca o e impulsi di cola a de i ica causando
danni ingen i nel conoide e una i ima. Al i e e en i signi ica i i sul e i o io Lomba do includono la cola a
de i ica del o en e Valla o di Vione del 28 agos o 2020, l’e en o del o en e Blè di Ono San Pie o del 16
agos o 2021 (Be i e al., 2023) e quello del 27-28 luglio 2022 del o en e Re di Cobello.
I sei e en i sono s a i s udia i s u ando e sis emi di moni o aggio: la e e di plu iome i disponibili, il ada
me eo ologico e immagini sa elli a i. La e e di plu iome i u ilizza a con a en i s azioni di misu a dis ibui e
nell’a ea dei bacini id og a ici di Lomba dia e T en ino che o niscono il da o di p ecipi azione a scala empo ale
di 5 o 10 minu i. Pe il caso s udio della Sa degna, in ece, sono s a i u ilizza i cinque plu iome i. Sebbene le
misu e dei plu iome i imanga la più a idabile on e di in o mazione plu iome ica pun uale, pe po e osse a e
la o mazione e l’e oluzione spaziale degli e en i, in g ado di in lui e sulla ispos a id ologica del bacino si può
s u a e il con enu o p edi i o del ada me eo ologico (Ranzi e Bacchi, 1994) e il moni o aggio sa elli a e.
Il ada me eo ologico di Mon e Macaion è un sis ema in banda C ope a i o dal 2001, aggio na o nel 2023
con ecnologia a doppia pola izzazione. O e una isoluzione spaziale di 500 m e una isoluzione empo ale di
5 minu i. Le immagini di i le i i à massima lungo la e icale hanno pe messo il moni o aggio dell’e en o del
2012, 2018, 2020 e 2021. Pe lo s udio dell’e en o del 2013 di Mon e Pinu sono s a e u ilizza i da i o enu i dal
ada me eo ologico di Mon e Rasu, con ca a e is iche simili a quello di Mon e Macaion ma con una isoluzione
empo ale di 15 minu i. Du an e l’e en o del 2022 del o en e Blè, in ece, il da o ada di Mon e Macaion non
e a a i o. Ques o e en o è quindi s a o s udia o u ilizzando sol an o i plu iome i ed i da i sa elli a i. Nello s udio
degli e en i, le osse azioni ada sono s a e elabo a e conside ando il i a do a la p ecipi azione ile a a in
a mos e a dal ada e l’e e i o is an e di impa o al suolo calcola o sulla base di una s ima della eloci à di
cadu a delle gocce di pioggia. In ques o modo si è po u o alu a e la ispos a id ologica sulla base di quando la
p ecipi azione ha e e i amen e aggiun o il suolo.
I da i sa elli a i sono s a i u ilizza i, in ece, come inpu pe l’app occio mul i-senso e denomina o MASHA
(Mul i-senso App oach o Sa elli e Hail Ad ec ion). La ecnica MASHA è una nuo a me odologia ib ida
sa elli a e concepi a pe il moni o aggio in empo eale di empes e iolen e e nubi g andinigene.
Ope a i amen e, MASHA (La iola e al. 2022) combina i pun i di o za del me odo MWCC-H (La iola e al.,
2020a-b), u ilizza o pe ile a e la g andine a a e so i sa elli i in o bi a bassa della cos ellazione GPM, con
l’ele a a isoluzione empo ale (5 minu i) del sa elli e in o bi a geos aziona ia Me eosa in modali à Rapid Scan.
Le analisi e e ua e indicano l’a idabili à della i le i i à ada nel app esen a e la empis ica e la dis ibuzione
spaziale della p ecipi azione, sebbene la as o mazione Z(R) ichieda anco a una calib azione speci ica pe
e en o o pe ipologia di e en o in base ai plu iome i. Le immagini sa elli a i elabo a e ami e l’algo i mo
148
MASHA si sono dimos a e e icaci pe l’e en o di scala sino ica del 2013 e del 2018, ma non semp e pe alcuni
e en i con e i i, come quello del 2022.
Bibliog a ia
Be i, M., Schimmel, A., Co iello, V., Ven u elli, M., Albe elli, L., Be e a, L., B a dinoni, F., Ce iani, M., Pilo i,
M., Ranzi, R., Redaelli, M., Sco i, R., Simoni, A., Tu coni, and L., Luino, F., 2023. Cha ac e iza ion o a
deb is low e en using an a o dable moni o ing sys em. In E3S Web o Con e ences (Vol. 415, pp. 1-4).
Bonomelli, R., Pilo i, M., and Heida ian, P., 2024. DEBRA: A mul i- heological 2D s eep shallow wa e ini e
olume scheme o deb is low p opaga ion in moun ain a eas, EGU Gene al Assembly 2024, Vienna,
Aus ia, 14–19 Ap 2024, EGU24-4141.
Colosio, P., Ma maglio, C., Bonomelli, R., and Ranzi, R. and he Team o deb is low moni o ing and con ol in
he Cen al I alian Alps, 2025. Mul isenso moni o ing and ea ly wa ning o p ecipi a ion in moun ain
ca chmen s p one o deb is low e en s , EGU Gene al Assembly 2025, Vienna, Aus ia, 27 Ap –2 May
2025, EGU25-16231.
Dallan, E., Bo ga, M., Za amella, M., and Ma a, F., 2022. Enhanced summe con ec ion explains obse ed
ends in ex eme subdaily p ecipi a ion in he Eas e n I alian Alps. Geophysical Resea ch Le e s, 49(5),
e2021GL096727.
Da olio, S., Della Fe a, S., La iola, S., Miglie a, M. M., and Le izzani, V. (2020). Hea y p ecipi a ion o e I aly
om he Medi e anean s o m “Vaia” in Oc obe 2018: Assessing he ole o an a mosphe ic i e . Mon hly
Wea he Re iew, 148(9), 3571-3588.
Io ia i, E., Reguzzoni, M., Reguzzoni, E., Schimmel, A., Ven u elli, M., Albe elli, L., Be e a, L., B a dinoni, F.,
Ce iani, M., Redaelli, M., Pilo i, M., Ranzi, R., Sco i, R., Simoni, A., Tu coni, L., Luino, F., and Be i, M.,
2025. De ining ain all h esholds o deb is lows in ca chmen s wi h sho moni o ing pe iods and a e
deb is- low e en s., EGU Gene al Assembly 2025, Vienna, Aus ia, 27 Ap –2 May 2025, EGU25-12179.
La iola S., V. Le izzani, R. R. Fe a o, and J. Beauchamp, 2020a. Hails o m de ec ion by sa elli e mic owa e
adiome e s. Remo e Sens., 12(4), 621.
La iola S., G. Mon e, V. Le izzani, R. R. Fe a o, and J. Beauchamp, 2020b. A New Me hod o Hail De ec ion
om he GPM Cons ella ion: A P ospec o a Global Hails o m Clima ology. Remo e Sens., 12(21), 3553.
La iola, S., Ve mi, F., Gua ascio, M., Mon e, G., Folino, G., and Le izzani, V., 2022. The Mul i-senso App oach
o Sa elli e Hail Ad ec ion (MASHA): a new echnique o nowcas ing applica ions, EMS Annual Mee ing
2022, Bonn, Ge many, 5–9 Sep 2022, EMS2022-571.
Luino, F., De G a , J., Rocca i, A., Biddoccu, M., Ci io, C. G., Faccini, F., and Tu coni, L., 2019. Eigh y yea s o
da a collec ed o he de e mina ion o ain all h eshold igge ing shallow landslides and mud-deb is lows
in he Alps. Wa e , 12(1), 133.
P a i, A., Menapace, A., and La che , M., 2024. P elimina y S a is ical Analysis o a La ge Hyd aulic and
Hyd ological Da ase o Mud lows and Deb is Flows E en s in The Sou h Ty ol Region (I aly). 15 h
In e na ional Con e ence on Hyd oin o ma ics, 394.
Ranzi, R., and Bacchi, B., 1992. Analysis and o ecas ing o ain all ields obse ed using ada . In P oc. o In .
Wo kshop Ad ances Dis ibu ed Hyd ology (pp. 327-346).
Ranzi, R., B. Bacchi, A. Ceppi, M. Cislaghi, U. Eh e , S. Jaun, A. Ma x, C. Hegg and M. Zappa, 2009. Real- ime
demons a ion o hyd ological ensemble o ecas s in MAP D-PHASE. La Houille Blanche, 5, 95-103.
149
Deep lea ning-assis ed lood dep h measu emen using looded
ca images and ideo eeds om u ban lood e en s
Mayank Mish a1, Ra aele Albano2*, Au elia Sole1
1 School o Enginee ing, Uni e si y o Basilica a, 85100, Po enza, I aly
2 Depa men o Heal h Science, Uni e si y o Basilica a, 85100, Po enza, I aly
*e-mail: [email p o ec ed]
Abs ac
The objec i e o he s udy is o deploy compu e ision (CV) echniques o es ima e he lood dep h le els
ob ained om ideo eed (ob ained om gene ic su eillance came as, ci izen cap u ed ideos o lood e en s
and/o webcams) o be e es ima e he lood dep h le els om s anda d objec s which a e al eady p esen in
wa e and whose subme gence isk needs o be de e mined. Fo example, mo ing objec s such as
ehicles/some solid objec s/ pedes ians ha can be easily de ec ed by “objec de ec ion” echniques ha can
be used as an indi ec es ima ion o lood dep hs. P e iously, mos o he applica ions ha e been applied on
ga he ed da a om he in e ne and o he image da a in con olled se ings, wi h limi ed alida ion da a om
ci izen ideos and eal-wo ld scena ios. The deploymen o hese machine lea ning models in-si u is limi ed,
and mos applica ions a e based on esea ch p o iding li le insigh s on hei use on ideo eeds, and applica ion-
based scena ios in eal ield condi ions.
Figu e 1. Flood dep h de ec ion esul s on YOLO 8 ained algo i hm. a) c i e ia used o anno a ion (modi ied om Liu e
al. 2024) b-c) sample esul s on he Ma e a da ase wi h boxes showing con idence alues o p edic ion, d) limi a ions in
de ec ion in c owded en i onmen s and e) de ec ion esul s on ideo eeds wi h alse posi i es o he sheds o he
es au an s (no e: b-c, ideos om Ma e a lood e en s, and d-e ideo om Geno a, I aly loods)
Fo his, we collec ed image da a o ca s subme ged in lood om li e a u e, in e ne sou ces and p e ious
pic u es o he case s udy ci y o Ma e a (Sou he n I aly) ha had some p e ious lood e en s. The dep h le els
a e di ided in o le els 0, 1, 2, 3 and 4 as illus a ed in Fig. 1a. As pe he c i e ia o Liu e al. (2024), 5 le els 0
(0), 1 (0-35), 2 (35-75), 3 (75-105), 4 (>105 cm) a e used and we can ake he mean alue o ca dep h o u u e
analysis o he ca ins abili y le els. The o al numbe o images we used a e 1975, wi h 6219 anno a ions wi h
