Le inondazioni rappresentano uno dei disastri naturali più comuni e più impattanti a livello mondiale. Tali eventi aumenteranno ulteriormente in futuro a causa dei cambiamenti climatici, della crescita economica e dell’urbanizzazione. I ricercatori del laboratorio LSD&D (Land Surface Dynamics and Degradation) del CNR-IMAA, unitamente a ricercatori dell’Università Federico II di Napoli, propongono un approccio innovativo per la mappatura delle inondazioni fluviali integrando telerilevamento satellitare ed analisi idrogeomorfologiche.
Raccogliere informazioni in situ per mappare le aree allagate può risultare impreciso e poco pratico, specialmente su aree vaste. In questo contesto, il telerilevamento satellitare si rivela un valido strumento di supporto. Grazie ai numerosi sensori in orbita che acquisiscono dati a diverse risoluzioni spettrali e spaziali, è possibile ottenere osservazioni sinottiche aggiornate di ampie aree in breve tempo. Nell’ambito del telerilevamento ottico, la letteratura scientifica suggerisce diversi indici spettrali per l’identificazione delle aree inondate, tra cui il Normalized Difference Water Index (NDWI) e il Modified Normalized Difference Water Index (MNDWI). Sebbene la loro capacità di mappare sia ampiamente riconosciuta, è noto al contempo che diversi fattori possono interferire con la corretta identificazione dell’acqua quali, ad esempio, la presenza di nuvole dense, neve, ghiaccio e ombre.
Al fine di ridurre gli errori e migliorare la detection speditiva delle inondazioni fluviali, questo studio propone un approccio che integra prodotti ottici satellitari e analisi geomorfologiche basate su Modelli Digitali di Elevazione (DEM). Questo metodo è stato testato nel contesto dell’evento di esondazione del Fiume Piave nell’ottobre 2018, causato dalla tempesta Vaia, che ha avuto un impatto significativo sulle regioni del nord-est dell’Italia.
Nello studio, sono state utilizzate immagini ottiche acquisite dal sensore Sentinel-2, uno dei principali sensori ottici non commerciali con un’elevata frequenza di rivisitazione (5 giorni all’equatore e 2-3 giorni alle medie latitudini grazie alla combinazione delle orbite di Sentinel-2A e Sentinel-2B), che lo rende adatto per la mappatura delle inondazioni. Oltre ai già menzionati MNDWI e NDWI, è stato aggiunto il Normalized Difference Turbidity Index (NDTI) per identificare anche i pixel caratterizzati da acqua molto torbida e carica di sedimenti. Attraverso la segmentazione di questi indici spettrali (analizzati sia separatamente che combinati) e l’applicazione di soglie adeguate, sono state ottenute le mappe preliminari delle aree allagate. Contestualmente è stato stimato il Geomorphic Flood Index (GFI), un descrittore idrogeomorfologico derivato da DEM, in grado di identificare le aree più propense ad essere raggiunte da una inondazione fluviale.
