Role of triggering and controlling factors on ground deformation processes by time series analyses and numerical modelling

Ground deformations, driven by a combination of geological, environmental, and anthropogenic factors acting simultaneously at different temporal and spatial scales, pose significant risks to infrastructure and human life. Interferometric Synthetic Aperture Radar (InSAR) has become an essential tool for mapping and monitoring surface deformations. However, analysing extensive ground displacement time series remains challenging, mainly due to the complex nature of signals influenced by multiple interacting factors. To address these challenges, this thesis integrates InSAR data with multivariate statistical methods, and combines Principal Component Analysis (PCA), Independent Component Analysis (ICA), and clustering techniques, to isolate, classify, and interpret spatio-temporal deformation patterns. The proposed approach is complemented by analytical and numerical models to fully comprehend the ground deformation processes and their spatio-temporal characteristics. Cross-correlation and wavelet analysis techniques are also employed to correlate seasonal signals within the time-frequency domain, enabling a more complete investigation of potential cause-effect relationships between triggering factors and ground deformations. Specifically, this thesis explores ground deformation phenomena across different spatial and temporal scales, focusing on three main scenarios: urban instability due to underground cavities, settlement induced by twin-tunnel excavation, and deformations related to underground gas storage (UGS) activities. The results demonstrate that significant insights into ground deformation can be derived from large time series matrices, improving the interpretation of these phenomena through automated, multivariate statistical post-processing. These findings show that S-mode analysis effectively captures dominant temporal trends across spatial regions, grouping time series that exhibit similar long-term patterns. In contrast, T-mode analysis emphasizes short-term temporal variations, grouping time series with synchronized displacements within specific intervals, allowing for the identification of more specific temporal variations despite a shared long-term trend. At the local scale (T-mode), the proposed approach effectively classified underground cavities, distinguishing stable and unstable areas and defining their radius of influence. In the context of twin-tunnel excavations in alluvial deposits, InSAR data enabled the detection of Tunnel Boring Machine (TBM) progression through a blind analysis, without prior information. Excavation parameters and ground properties were estimated as optimal parameters derived from InSAR data fitting, adopting an empirical Gaussian settlement model. This approach provided a back-analysis and support for future predictive assessments. For deformations induced by UGS, S-mode analysis successfully extracted dominant spatio-temporal deformation patterns, offering a detailed view of the spatial and temporal influence of storage operations, in both vertical and horizontal displacements. Seasonal time lags between displacement peaks in response to gas injections and their amplitudes were also analysed. This thesis advances the analysis of ground deformations by proposing a robust approach adaptable to diverse geological and geotechnical monitoring contexts.

Le deformazioni del suolo, causate da una combinazione di fattori geologici, ambientali e antropici, che agiscono su scale temporali e spaziali diverse, rappresentano un rischio significativo per la sicurezza delle infrastrutture e delle persone. L'interferometria Radar ad Apertura Sintetica (InSAR) è oggi uno strumento essenziale per mappare e monitorare le deformazioni superficiali. Tuttavia, l'analisi di lunghe serie temporali dei dati di spostamento risulta complessa a causa della natura intricata dei segnali, influenzati da fattori sovrapposti e variabili. Questa tesi integra dati InSAR con metodi statistici multivariati, tra cui l'Analisi delle Componenti Principali (PCA), l'Analisi delle Componenti Indipendenti (ICA) e tecniche di clustering, per isolare, classificare e interpretare i modelli di deformazione spaziotemporali. Tale approccio è completato da modelli analitici e numerici per una comprensione approfondita dei processi di deformazione e delle loro caratteristiche. Per supportare le analisi, vengono inoltre utilizzate tecniche di cross-correlazione e wavelet per correlare i segnali stagionali nel dominio tempo-frequenza, permettendo di investigare le potenziali relazioni causa-effetto tra fattori scatenanti e deformazioni del suolo. Questa tesi esplora, nello specifico, fenomeni di deformazione a diverse scale spaziali e temporali, focalizzandosi su tre scenari principali: instabilità urbana dovuta a cavità sotterranee, cedimenti indotti dallo scavo di gallerie e deformazioni legate allo stoccaggio di gas naturale. I risultati dimostrano come sia possibile ottenere informazioni significative sulle deformazioni a partire da grandi matrici di serie temporali, migliorando l'interpretazione di tali fenomeni attraverso un’elaborazione automatizzata e l’analisi multivariata dei dati. L'analisi in modalità S cattura efficacemente gli andamenti temporali dominanti a livello spaziale, raggruppando le serie temporali che condividono lo stesso pattern a lungo termine. Al contrario, l’analisi in modalità T enfatizza sfumature temporali a breve termine, raggruppando serie temporali con spostamenti sincronizzati in determinati intervalli, permettendo di distinguere variazioni temporali più specifiche pur condividendo lo stesso trend a lungo termine. Ne risulta un approccio multi-scala che offre una visione dettagliata del fenomeno. A scala locale (modalità T), l'analisi ha permesso di classificare le cavità sotterranee, distinguendo aree stabili e instabili e definendo il raggio d'influenza. Nel contesto dello scavo di gallerie in depositi alluvionali, l'analisi InSAR ha rilevato l'avanzamento delle TBM in modo “non guidato,” senza informazioni a priori. I parametri relativi allo scavo e quelli caratteristici del terreno sono stati derivati a ritroso come parametri ottimali ottenuti dal fittaggio dei dati InSAR, adottando il modello empirico Gaussiano dei cedimenti. Questo approccio ha rappresenta sia un’analisi retrospettiva che un supporto a previsioni future. Infine, per le deformazioni indotte dallo stoccaggio di gas naturale, l'analisi in modalità S ha permesso di estrarre con successo i modelli dominanti caratteristici di deformazione spaziotemporale, offrendo una visione dettagliata dell'influenza spaziale e temporale delle operazioni di stoccaggio, sia negli spostamenti verticali sia in quelli orizzontali. Sono stati inoltre analizzati i ritardi temporali tra i picchi stagionali di spostamento in risposta alle iniezioni di gas e le relative ampiezze. Questa tesi rappresenta un contributo all'analisi delle deformazioni del suolo, proponendo un approccio robusto e applicabile a diversi contesti geologici e geotecnici.