Influenza del cambiamento climatico sui processi idro-meccanici di attivazione, riattivazione ed evoluzione delle frane in ambiente montano

This thesis addresses the monitoring and prediction of landslide dynamics, considering a spectrum ranging between rapid earth slide-earthflows and slow-moving, deep-seated landslides located in the Autonomous Province of Bolzano (Trentino Alto-Adige) and the Northern Apennines (Emilia-Romagna). These landslides, which pose significant geohazards, require precise monitoring to improve risk management and understanding of their behaviour. By integrating advanced remote sensing techniques and predictive models, this research provides valuable insights into both slope displacement detection and landslide acceleration forecasting. The first part of the study applies digital image correlation (DIC) algorithms—normalized cross-correlation (NCC) and phase correlation (PC)—to high-resolution airborne optical and LiDAR data. Collected through multi-temporal surveys between 2019 and 2021, the datasets were analysed at three test sites (Corvara, Ganderberg, and Trafoi landslides), each featuring different landslide types and movement rates. Validation using GNSS surveys and manual point tracking demonstrated the ability of DIC algorithms to identify and quantify multi-pixel displacement patterns in non-vegetated areas. However, challenges were noted in densely vegetated regions, where sub-pixel displacements are harder to detect. Despite this limitation, these techniques effectively differentiated stable and active slope regions, offering valuable support to traditional ground-based monitoring. The second section focuses on rapid, high-precision landslide monitoring using Uncrewed Aerial Vehicles (UAVs) equipped with Real-Time Kinematic (RTK) GNSS modules. This approach, which avoids the need for ground control points, was tested on the Ca’ Lita landslide (Northern Apennines) from October 2020 to March 2023. By deploying UAVs for eight surveys, the study captured the movement of optical targets installed across the landslide’s active zone. The results revealed substantial planimetric and vertical displacements, ranging from 0.09 m to 71.61 m horizontally and from -2.05 m to 5.94 m vertically. Validation against permanent GNSS data confirmed the method’s accuracy, with maximum differences of 0.18 m (planimetric) and 0.21 m (vertical). The UAV-based approach is shown to be highly efficient for landslide monitoring, combining speed and precision. The third part of the thesis focuses on the development of rainfall intensity-duration (ID) thresholds to predict landslide accelerations. By analysing 100 acceleration events from 15 landslides monitored in the Northern Apennines and Eastern Alps, this research evaluates the predictive power of existing rainfall thresholds and proposes new, optimized thresholds. Effective rainfall, adjusted for factors like evapotranspiration and snowmelt, is introduced as a more accurate measure of landslide triggering conditions in mountainous areas. Using a ROC-based approach, eight new thresholds were developed and tested against existing ones, showing enhanced predictive performance. Though the dataset’s balance and rainfall data processing pose some limitations, the research advances our understanding of rainfall-induced landslides and provides improved tools for forecasting hazardous events in hilly and alpine environments. In summary, this thesis contributes to the development of effective monitoring and prediction techniques for landslides. By integrating remote sensing, UAV technologies, and refined rainfall thresholds, it offers practical solutions to enhance risk assessment and mitigation strategies in geologically active areas.

Questo studio affronta il monitoraggio e la previsione delle frane, analizzando diversi tipi di movimenti franosi, dalle colate in terra alle Deformazioni gravitative profonde di versante (DSGSD), in aree geologicamente attive come la Provincia Autonoma di Bolzano e l'Appennino settentrionale. L'obiettivo è migliorare la gestione del rischio geologico e la comprensione del comportamento delle frane attraverso tecniche avanzate di telerilevamento e modelli predittivi. Nella prima parte, vengono utilizzati algoritmi di correlazione digitale delle immagini (DIC), in particolare la Normalized Cross Correlation (NCC) e la Phase Correlation (PC), su dati ottici e LiDAR ad alta risoluzione raccolti in tre siti (Corvara, Ganderberg e Trafoi) tra il 2019 e il 2021. Questi algoritmi hanno permesso di rilevare e quantificare gli spostamenti del terreno a livello multi-pixel, soprattutto in aree non vegetate, e di distinguere le zone attive da quelle stabili. Tuttavia, nelle aree densamente vegetate, il rilevamento degli spostamenti sub-pixel ha presentato delle difficoltà. La seconda parte dello studio si concentra sull'uso di droni (UAV) con moduli GNSS in modalità Real-Time Kinematic (RTK) per un monitoraggio rapido e preciso delle frane, senza l'impiego di punti di controllo a terra. Questo metodo è stato applicato sulla frana di Ca’ Lita (Appennino settentrionale) dal 2020 al 2023, rilevando spostamenti significativi sia in senso orizzontale (da 0,09 m a 71,61 m) che verticale (da -2,05 m a 5,94 m). La validazione con dati GNSS ha confermato l'accuratezza del metodo, con una differenza massima di 0,18 m in planimetria e 0,21 m in altimetria. Infine, la terza parte della ricerca sviluppa soglie di intensità e durata delle precipitazioni (ID) per prevedere le accelerazioni delle frane. Sono stati analizzati 100 eventi di accelerazione di 15 frane monitorate nell'Appennino settentrionale e nelle Alpi orientali. Lo studio ha proposto nuove soglie di pioggia, ottimizzate includendo la pioggia efficace, che tiene conto dell'evapotraspirazione e dello scioglimento della neve, e ha confrontato le prestazioni predittive con le soglie esistenti. Le nuove soglie si sono dimostrate più accurate nell'anticipare eventi franosi. In conclusione, la tesi integra tecnologie di telerilevamento, droni e soglie di precipitazione ottimizzate per migliorare il monitoraggio e la previsione delle frane, offrendo strumenti pratici per la gestione del rischio in aree montuose e collinari.