La pericolosità da valanga calcolata e visualizzata. Un modello numerico-geografico

Attualmente la percentuale dei pendii ripidi pericolosi di un’area viene stimata mentalmente da parte dei previsori. Il modello fornisce un dato numerico, calcolando il rapporto tra l’area delle zone più predisposte al distacco (µPRA(x) > 0.5) e l’area dei pendii ripidi di una regione innevati e non boscati.

Il boxplot nella figura 3.17b mostra un’evidente tendenza: la frazione dei pendii ripidi pericolosi aumenta col grado di stabilità del manto nevoso (1 stabile,...5 instabile). Questo risultato è coerente con le aspettative: il modello proposto è riuscito a modellare l’incremento dei pendii ripidi predisposti al distacco all’aumentare del grado.

Alcune considerazioni devono tuttavia essere fatte: la dispersione dei dati è contenuta per i gradi 2 e 3 (outlier esclusi), mentre è elevata per il grado 1 e specialmente per i gradi 4 e 5, dove il “baffo” dei grafici è piuttosto lungo. Per questi dati, la variabilità della distribuzione è alta: la deviazione standard σ per i gradi 4 e 5 è di 11.7 e 8.5, rispettivamente. Da un lato questo è spiegabile con le molteplici combinazioni possibili dei dati d’ingresso del modello, le quali portano ad individuare scenari molto diversi tra loro, ma dall’altro non si spiega la dispersione molto più contenuta associata ai gradi 2 e 3. Questo effetto potrebbe essere dovuto alla definizione analitica delle funzioni per l’acclività, oppure ad errori nelle cinquanta simulazioni effettuate.
Nonostante questo, la relazione diretta tra percentuale dei pendii ripidi pericolosi e grado di stabilità del manto è apprezzabile ugualmente, anche considerando la massima dispersione dei dati, outlier inclusi.

Un’altra fonte di errore riguarda la numerosità del campione: cinquanta simulazioni totali, da otto a tredici per ogni grado (p. 52), sono poche per ottenere un campione rappresentativo. Una statistica più affidabile richiederebbe a) un maggior numero di simulazioni per ogni grado e b) simulazioni con dati reali in ingresso, ma in tal caso il numero di simulazioni per i gradi 4 e 5 sarebbe molto basso, poiché questi gradi vengono dati molto meno di frequente degli altri [SLF 2015].

Si noti che la mediana per il grado 1 è 0: questo è dovuto alla funzione dell’acclività per quel grado che tende a far diminuire il valore complessivo di µPRA(x), spesso al di sotto della soglia 0.5 richiesta per il calcolo dei pendii ripidi pericolosi. In altre parole: più della metà delle volte, con grado 1, i pendii ripidi hanno celle con bassa predisposizione al distacco (µPRA(x) < 0.5) ed il numeratore dell’equazione (3.10) si annulla. Da un altro punto di vista, questo risultato è coerente con le classi di pendii ripidi pericolosi desunte dall’esperienza (tab. 3.6) in quanto 0 < 10.

Riguardo a queste classi, è stato notato che le percentuali calcolate dal modello sono quasi sempre inferiori in mediana rispetto a quelle della tabella 3.6. Questo può essere dovuto a diverse cause:

Sovrastima o sottostima Le percentuali desunte dall’esperienza potrebbero essere sovrastimate, prendendo in considerazione anche le zone di scorrimento ed accumulo. Inoltre questi dati sono privi di basi numeriche calcolate, essendo solamente stimate “ad occhio”; al contrario, le percentuali calcolate dal modello potrebbero sottostimare, non considerando scorrimento ed accumulo (a patto che le percentuali precedenti lo facciano). Inoltre i parametri del modello originale individuano solo le aree realmente predisposte al distacco: una stima “ad occhio” ingloberebbe nel calcolo anche aree, ad esempio, molto scabre o molto ripide che non possono però staccarsi.

Soglia scelta Coerentemente alla definizione EAWS di evento probabile (p. 83), in questo lavoro si è assunto che un pendio è pericoloso se µPRA(x) > 0.5, se cioè ha un predisposizione al distacco maggiore del 50%. Senza considerare gli errori del modello, è possibile che la percentuale dovuta all’esperienza usi (intenzionalmente o no) una soglia diversa da 0.5. Ad esempio, alcuni previsori adottano la soglia dello 0.66 per gli eventi probabili; in quest’ultimo caso, tuttavia, lo scarto tra le due percentuali aumenterebbe ancora.

Angoli d’inclinazione scelti È stato assunto che un pendio è ripido se con angolo di inclinazione compreso tra 30 e 60°. La percentuale dovuta all’esperienza potrebbe considerare un intervallo leggermente inferiore, come 30–55°, dato che già oltre i 55° le valanghe sono improbabili. In questo caso, diminuendo il denominatore dell’equazione (3.10), le percentuali calcolate dal modello aumenterebbero, avvicinandosi alle altre.

Maschere Con l’equazione (3.9) sono stati selezionati i soli pendii ripidi innevati e non boscati. Questi ultimi sono stati ottenuti grazie alla maschera della copertura forestale: questa è stata ottenuta da carte di uso del suolo, dunque i possibili errori di digitalizzazione della prima si riflettono sulla seconda. Si consideri la figura 3.10: si possono notare diverse imprecisioni in confronto all’ortofoto. Inoltre, solo un’alta densità di piante previene il distacco di valanghe: eventuali chiarìe nel bosco permettono il distacco. Tuttavia, le carte di uso del suolo impiegate non riportano chiarìe, quantunque esistenti nella realtà. Oltre a ciò, la densità del bosco non è considerata dalla maschera: in quest’ultima, l’interfaccia tra zone boscate e non boscate è un limite netto, ma nella realtà vi può essere un basso gradiente di densità di piante tra il bosco fitto e le zone prive di bosco. Per questi motivi, le maschere del bosco impiegate sono limitate e possono presentare errori, portando a escludere o includere erroneamente delle aree potenziali di distacco.
Diversamente dalla maschera del bosco, sempre identica, quella della copertura nevosa varia in base ai dati in ingresso. Più il limite della neve è basso, più pendii ripidi assumono valore 1, aumentando il denominatore dell’equazione (3.10) e diminuendo la percentuale calcolata. Tuttavia è possibile che la percentuale desunta dall’esperienzia venga stimata solo su alcuni pendii ripidi innevati, non tutti: è ragionevole ritenere che un previsore ignori, ad esempio, una ripida chiarìa in un bosco a quota 500m nell’effettuare la stima. Il modello invece, effettua il calcolo con tutti i pendii ripidi innevati, anche con quelli che, in base alle quote pericolose definite, non sono soggetti a pericolo valanghe: infatti, la pesatura delle quote pericolose fatta per le PRA con l’equazione (3.4) non è stata fatta per i pendii ripidi per la necessità di ottenere una matrice di valori booleani, non fuzzy. Questo è uno dei motivi che potrebbe spiegare l’alta variabilità dei dati apprezzabile nel boxplot (fig. 3.17b).

Si noti infine che la percentuale dal modello è rappresentativa solo se calcolata su aree vaste: usando un’area limitata, magari a quote elevate e con molte aree a µPRA(x) > 0.5, il valore calcolato aumenterebbe molto. Ad esempio, la percentuale dei pendii ripidi pericolosi della figura 3.23d sarebbe 42.3%, sebbene il grado di stabilità del manto fosse solamente 2. Con gli stessi dati in ingresso, ma sull’area del gruppo montuoso intero (fig. 3.22b), la percentuale è 21.9%.
Riassumendo: il modello proposto suggerisce una quantificazione numerica dei pendii ripidi pericolosi, ma l’affidabilità del dato dovrebbe essere verificata con un maggior numero di simulazioni su casi reali ed il suo significato andrebbe valutato da un buon numero di professionisti, correggendo opportunamente l’algoritmo.