Geostatistical analysis for uncertainty quantification in the SMART-SED model : a downscaling approach based on digital soil mapping data

SMART-SED is a project aimed at developing an innovative framework for the numerical simulation of sediment motion in river catchments, intended to be used by local territorial management institutions and professionals to design proper strategies for the mitigation of hydrogeological instability. Uncertainty analysis is an intrinsic feature of models simulating natural processes. In order to perform an effective uncertainty quantification, it is necessary to properly identify the variability of the input parameters and to design stochastic sim- ulation methods able to provide realistic realisations, based on the available data. This thesis focuses on the use of digital soil maps for the prediction and stochastic simulation of terrain-related quantities used for the estimation of the input parameters of the SMART-SED model. The digital maps are obtained from SoilGrids, a system for automated soil mapping based on state-of-the-art spatial predictions methods. Innovative approaches are introduced to account for the limitations of SoilGrids data (low resolution, inaccuracy) and for the specificities of the variables in exam. Although the focus is on the SMART- SED project, the methods proposed can be generally used for geostatistical modelling at a local scale using auxiliary coarse information obtained through remote sensing or from previously fitted digital maps.

SMART-SED è un progetto che si propone di sviluppare un modello innovativo per la simulazione numerica del trasporto di sedimenti in un bacino idrografico, destinato ad essere utilizzato dalle amministrazioni locali per elaborare strategie di prevenzione e contenimento del dissesto idrogeologico. L'analisi dell'incertezza è un aspetto fondamentale dei modelli di simulazione dei fenomeni naturali. Per poter adeguatamente quantificare l'incertezza degli output del modello, è necessario identificare la variabilità dei parametri in input e elaborare metodi di simulazione stocastica in grado di produrre degli scenari realistici sulla base dei dati a disposizione. Questa tesi si concentra sull'utilizzo di mappe digitali del suolo (Digital Soil Maps) per la stima e per la simulazione stocastica di grandezze fisiche relative a proprietà idrogeologiche del terreno, usate per il calcolo dei parametri di input del modello SMART-SED. Le mappe digitali in questione sono prese da SoilGrids, un sistema per la mappatura automatizzata del suolo basato sull'utilizzo di tecniche avanzate di predizione spaziale. Degli approcci innovativi sono introdotti per tenere conto delle limitazioni intrinseche dei dati di SoilGrids (bassa risoluzione, incertezza) e per le specificità delle variabili in esame. Nonostante il focus sia sul progetto SMART-SED, i metodi proposti possono essere utilizzati in generale per la modellizzazione geostatistica su scala locale tramite l'uso di mappe a bassa risoluzione ottenute tramite telerilevamento o tecniche di mappatura digitale.