The danger mapping is carried out in Italy according to AINEVA guidelines, which require i) data-driven dynamic avalanche modeling to evaluate the end of avalanche buoy and pressure, and ii) evaluation of the maximum annual snow depth increase of three days h72 for a return period of 30-300 years. When there are no historical avalanche data, model development and data-based evaluation of avalanche return periods are difficult to achieve. Even when (very) short h72 series are available, station-based quantile estimation for such high return periods is very uncertain, and regionally based approaches can be used. We apply an index-based approach for the Rigopiano avalanche case, where a mass of 105 m3 of snow hit the Rigopiano Hotel killing 29 people on January 18, 2017. This area is poorly monitored from an avalanche point of view and shows short series (max. 14 years) of snow depth measurements, no historical avalanche maps are available on the avalanche route and no avalanche danger maps have been developed so far. First of all, we develop the recently developed dynamic model of the Poly-Aval avalanche (1D/q2D) compared to the data of the January 18th event (detachment zone, detachment depth, end of avalanche buoy) from different sources. Then we use the snow data from 7 snow stations in Abruzzo (75 years data equivalent) to tune a valid regional distribution of h72. We then calculate the flow zone of 30 years, 100 years and 300 years and the flow pressures, including confidence limits. We demonstrate that i) properly tuned 1D/quasis2D models can be used for avalanche modeling even within poorly monitored areas as in this case, and ii) the use of regional analysis allows hazard mapping over long return periods, greatly reducing uncertainty compared to canonical single-site analysis. Our approach can be used in poorly monitored regions such as Abruzzo, and we suggest that i) avalanche hazard mapping should be pursued with regional approaches for h72, and ii) confidence limits should be established for the proposed zoning.
La mappatura del pericolo viene effettuata in Italia secondo le linee guida AINEVA, che richiedono i) una modellazione dinamica delle valanghe guidata dai dati per valutare la boa di fine valanghe e la pressione, e ii) la valutazione dell'aumento massimo annuale della profondità della neve di tre giorni h72 per un periodo di ritorno di 30-300 anni. Quando non sono presenti dati storici sulle valanghe, la messa a punto del modello e la valutazione basata sui dati dei periodi di ritorno delle valanghe sono difficilmente realizzabili. Anche quando sono disponibili serie (molto) brevi di h72, la stima quantile basata sulla stazione per periodi di ritorno così elevati è molto incerta, e possono essere utilizzati approcci basati su base regionale. Applichiamo un approccio basato sul valore dell'indice per il caso di valanga di Rigopiano, dove una massa di 105 m3 di neve ha colpito l'Hotel Rigopiano uccidendo 29 persone il 18 gennaio 2017. Quest'area è scarsamente monitorata dal punto di vista valanghivo e mostra brevi serie (max 14 anni) di misurazioni della profondità della neve, non sono disponibili carte storiche delle valanghe sul tracciato delle valanghe e non sono state finora sviluppate carte del pericolo di valanghe. Per prima cosa, mettiamo a punto il modello dinamico delle valanghe Poly-Aval (1D/q2D) recentemente sviluppato rispetto ai dati dell'evento del 18 gennaio (zona di distacco, profondità di distacco, boa di fine valanga) provenienti da diverse fonti. Poi usiamo i dati della neve di 7 stazioni di neve in Abruzzo (75 anni equivalenti di dati) per sintonizzare una distribuzione regionale valida di h72. Calcoliamo quindi la zona di deflusso di 30 anni, 100 anni e 300 anni e le pressioni di flusso, compresi i limiti di confidenza. Dimostriamo che i) modelli 1D/quasi2D opportunamente sintonizzati possono essere utilizzati per la modellazione di valanghe anche all'interno di aree scarsamente monitorate come in questo caso, e ii) l'uso dell'analisi regionale consente la mappatura dei pericoli per ampi periodi di ritorno, riducendo notevolmente l'incertezza rispetto all'analisi canonica a singolo sito. Il nostro approccio è utilizzabile in regioni scarsamente monitorate come l'Abruzzo, e suggeriamo che i) la mappatura del pericolo di valanghe deve essere perseguita con approcci regionali per l'h72, e ii) è necessario prevedere dei limiti di fiducia per la zonizzazione proposta.
Mappatura del rischio valanghe in zone scarsamente monitorate. Il caso della valanga di Rigopiano, nell'Appenino Abruzzese
GIANFREDA, ALBERTO
2019/2020
Abstract
The danger mapping is carried out in Italy according to AINEVA guidelines, which require i) data-driven dynamic avalanche modeling to evaluate the end of avalanche buoy and pressure, and ii) evaluation of the maximum annual snow depth increase of three days h72 for a return period of 30-300 years. When there are no historical avalanche data, model development and data-based evaluation of avalanche return periods are difficult to achieve. Even when (very) short h72 series are available, station-based quantile estimation for such high return periods is very uncertain, and regionally based approaches can be used. We apply an index-based approach for the Rigopiano avalanche case, where a mass of 105 m3 of snow hit the Rigopiano Hotel killing 29 people on January 18, 2017. This area is poorly monitored from an avalanche point of view and shows short series (max. 14 years) of snow depth measurements, no historical avalanche maps are available on the avalanche route and no avalanche danger maps have been developed so far. First of all, we develop the recently developed dynamic model of the Poly-Aval avalanche (1D/q2D) compared to the data of the January 18th event (detachment zone, detachment depth, end of avalanche buoy) from different sources. Then we use the snow data from 7 snow stations in Abruzzo (75 years data equivalent) to tune a valid regional distribution of h72. We then calculate the flow zone of 30 years, 100 years and 300 years and the flow pressures, including confidence limits. We demonstrate that i) properly tuned 1D/quasis2D models can be used for avalanche modeling even within poorly monitored areas as in this case, and ii) the use of regional analysis allows hazard mapping over long return periods, greatly reducing uncertainty compared to canonical single-site analysis. Our approach can be used in poorly monitored regions such as Abruzzo, and we suggest that i) avalanche hazard mapping should be pursued with regional approaches for h72, and ii) confidence limits should be established for the proposed zoning.| File | Dimensione | Formato | |
|---|---|---|---|
|
MAPPATURA RISCHIO VALANGHE.pdf
Open Access dal 19/12/2023
Dimensione
2.42 MB
Formato
Adobe PDF
|
2.42 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/2429