Rainfall thresholds identify the conditions that cause shallow landslides to occur over large areas. The empirical type has been applied, which makes use of past rainfall data and landslide inventories. Empirical thresholds were developed using data from rainfall and landslide triggering events recorded between 2007 and 2018. A method for forecasting the spatial probability of occurrence of rainfall-induced shallow landslides in large areas was proposed. The model was created using a data-driven method that used the Multivariate Adaptive Regression Splines technique (MARS). Geological, geomorphological, and hydrological predictors were used to determine the spatial probability of occurrence (susceptibility). The methodology's prediction capability was evaluated for previously triggered events of shallow landslides in some specific catchments of the Oltrepo Pavese, in the northern Italian Apennines namely Scuropasso, Versa, and Ardivestra. The results show a high effectiveness of the method in identifying correctly the most susceptible areas towards shallow landslides, also for validation inventories taken from 2019-2021 periods. By using satellite-based rainfall datasets (SM2RAIN, PERSIANN, ERA5, and GPM) and data from field rain gauges, different types of empirical rainfall thresholds have been obtained. The results show that because of the permanence of saturated or close soil conditions in these catchments, the cold and rainy months are the most prone to shallow landslides in the study area. Also, empirical ERA5 and rain gauges thresholds models had better results compared with other types of empirical thresholds, based on the cumulated amount, duration, logarithmic graph, and 4fold plot results of the rainfall thresholds. For validation of thresholds, a dataset has been used which is the duration from 2019 to 2021. The final results show again that the ERA5 and rain gauge threshold could be good tools for creating the susceptibility model and comparing it with reality because the outputs of this type had the lowest error compared with other types. Keywords: Rainfall, Rainfall thresholds, Shallow landslides, Data-driven methods, MARS method, Satellite rainfall datasets.

Utilizzo di dati satellitari di pioggia per la ricostruzione di soglie pluviometriche di innesco di frane superficiali. Le soglie di piovosità identificano le condizioni che causano il verificarsi di frane superficiali su vaste aree. È stato applicato il tipo empirico, che utilizza i dati di pioggia che hanno determinate o meno l’innesco di frane in un’area. Le soglie empiriche sono state sviluppate utilizzando i dati degli eventi di innesco registrati tra il 2007 e il 2018. È stato proposto un metodo per prevedere la probabilità spaziale di accadimento (suscettibilità) di frane superficiali indotte da pioggia su vaste aree. Il modello è stato creato utilizzando un metodo statistico che utilizza la tecnica MARS (Multivariate Adaptive Regression Splines). Per determinare la suscettibilità sono stati utilizzati predittori geologici, geomorfologici e idrologici. La capacità di previsione della metodologia è stata valutata per eventi di frane superficiali innescati in alcuni bacini specifici dell'Oltrepo Pavese, nell'Appennino settentrionale italiano, ovvero Scuropasso, Versa e Ardivestra. La capacità di previsione delle aree suscettibili a franosità superficial è elevata, anche considerando inventari di validazione raccolti tra il 2019 e il 2021. Utilizzando i set di dati di pioggia satellitare (SM2RAIN, PERSIANN, ERA5 e GPM) e i dati dei pluviometri, sono stati ottenuti diversi tipi di soglie empiriche. I risultati mostrano che, a causa della permanenza di condizioni di suolo saturo o vicino a saturazione in questi bacini idrografici, i mesi freddi e piovosi sono i più soggetti a frane poco profonde nell'area di studio. Inoltre, i modelli empirici delle soglie ricostruiti con dati da ERA5 o pluviometri hanno ottenuto risultati migliori rispetto ad altri tipi di soglie empiriche, in base alla quantità cumulata, alla durata, al grafico logaritmico e ai risultati del grafico quadruplo delle soglie delle piovosità. Per la convalida delle soglie è stato utilizzato un set di dati che è la durata dal 2019 al 2021. I risultati finali mostrano ancora una volta che le soglie ricostruite da pluviometri o dati ERA5 potrebbero essere buoni strumenti per l’individuazione delle condizioni di innesco perché gli output di questo tipo presentavano l'errore più basso rispetto ad altri tipi. Parole chiavi: Pioggia, Soglie di pioggia, Frane poco profonde, Metodibasati sui dati, Metodo MARTE, Set di dati sulle piovosità satellitari.

Exploitation of rainfall satellite datasets for the reconstruction of shallow landslides rainfall thresholds.

HOORFAR, KAVEH
2020/2021

Abstract

Rainfall thresholds identify the conditions that cause shallow landslides to occur over large areas. The empirical type has been applied, which makes use of past rainfall data and landslide inventories. Empirical thresholds were developed using data from rainfall and landslide triggering events recorded between 2007 and 2018. A method for forecasting the spatial probability of occurrence of rainfall-induced shallow landslides in large areas was proposed. The model was created using a data-driven method that used the Multivariate Adaptive Regression Splines technique (MARS). Geological, geomorphological, and hydrological predictors were used to determine the spatial probability of occurrence (susceptibility). The methodology's prediction capability was evaluated for previously triggered events of shallow landslides in some specific catchments of the Oltrepo Pavese, in the northern Italian Apennines namely Scuropasso, Versa, and Ardivestra. The results show a high effectiveness of the method in identifying correctly the most susceptible areas towards shallow landslides, also for validation inventories taken from 2019-2021 periods. By using satellite-based rainfall datasets (SM2RAIN, PERSIANN, ERA5, and GPM) and data from field rain gauges, different types of empirical rainfall thresholds have been obtained. The results show that because of the permanence of saturated or close soil conditions in these catchments, the cold and rainy months are the most prone to shallow landslides in the study area. Also, empirical ERA5 and rain gauges thresholds models had better results compared with other types of empirical thresholds, based on the cumulated amount, duration, logarithmic graph, and 4fold plot results of the rainfall thresholds. For validation of thresholds, a dataset has been used which is the duration from 2019 to 2021. The final results show again that the ERA5 and rain gauge threshold could be good tools for creating the susceptibility model and comparing it with reality because the outputs of this type had the lowest error compared with other types. Keywords: Rainfall, Rainfall thresholds, Shallow landslides, Data-driven methods, MARS method, Satellite rainfall datasets.
2020
Exploitation of rainfall satellite datasets for the reconstruction of shallow landslides rainfall thresholds.
Utilizzo di dati satellitari di pioggia per la ricostruzione di soglie pluviometriche di innesco di frane superficiali. Le soglie di piovosità identificano le condizioni che causano il verificarsi di frane superficiali su vaste aree. È stato applicato il tipo empirico, che utilizza i dati di pioggia che hanno determinate o meno l’innesco di frane in un’area. Le soglie empiriche sono state sviluppate utilizzando i dati degli eventi di innesco registrati tra il 2007 e il 2018. È stato proposto un metodo per prevedere la probabilità spaziale di accadimento (suscettibilità) di frane superficiali indotte da pioggia su vaste aree. Il modello è stato creato utilizzando un metodo statistico che utilizza la tecnica MARS (Multivariate Adaptive Regression Splines). Per determinare la suscettibilità sono stati utilizzati predittori geologici, geomorfologici e idrologici. La capacità di previsione della metodologia è stata valutata per eventi di frane superficiali innescati in alcuni bacini specifici dell'Oltrepo Pavese, nell'Appennino settentrionale italiano, ovvero Scuropasso, Versa e Ardivestra. La capacità di previsione delle aree suscettibili a franosità superficial è elevata, anche considerando inventari di validazione raccolti tra il 2019 e il 2021. Utilizzando i set di dati di pioggia satellitare (SM2RAIN, PERSIANN, ERA5 e GPM) e i dati dei pluviometri, sono stati ottenuti diversi tipi di soglie empiriche. I risultati mostrano che, a causa della permanenza di condizioni di suolo saturo o vicino a saturazione in questi bacini idrografici, i mesi freddi e piovosi sono i più soggetti a frane poco profonde nell'area di studio. Inoltre, i modelli empirici delle soglie ricostruiti con dati da ERA5 o pluviometri hanno ottenuto risultati migliori rispetto ad altri tipi di soglie empiriche, in base alla quantità cumulata, alla durata, al grafico logaritmico e ai risultati del grafico quadruplo delle soglie delle piovosità. Per la convalida delle soglie è stato utilizzato un set di dati che è la durata dal 2019 al 2021. I risultati finali mostrano ancora una volta che le soglie ricostruite da pluviometri o dati ERA5 potrebbero essere buoni strumenti per l’individuazione delle condizioni di innesco perché gli output di questo tipo presentavano l'errore più basso rispetto ad altri tipi. Parole chiavi: Pioggia, Soglie di pioggia, Frane poco profonde, Metodibasati sui dati, Metodo MARTE, Set di dati sulle piovosità satellitari.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/14255