Analisi territoriale di area vasta per la localizzazione di siti compatibili con la realizzazione di piccoli invasi: una proposta metodologica

The subject of this thesis consists in an analysis of the territory with the objective to build a quicker method to understand the possibility to build small lakes in a given area. The work has an important relevance given today’s context characterized by an increasing of the frequency of drought’s episodes. The study area chosen to develop the method in the southern portion of the Toscany region which has an extension of 19000 km2 and contains the basins of the three rivers Ombrone, Albegna and Cornia. In the area 188 water tables were found. The analysis proceeded by individuating the predisposing factors relevant to locate small lakes on a territory. The chosen parameters are elevation, slope, morphology of the territory, type of landscape and the Hydrological Soil Group. With the use of these parameters statistical analysis were made to evaluate their significance respect to the objective, therefore the distributions of each parameter were confronted between the ones of all the study area and the ones only related to the territory inside the little lakes. The following step was to proceed with the training of a model using the machine learning algorithm Random Forest, with the aim of evaluating if the chosen parameters were enough to make a prediction of the study area to find out which territories can host little lakes. The model was implemented in a Matlab code, which needed as input the five predisposing factors and a georeferenced mask which, based on the parameters, could identified the portion of territory where the lakes are, the portion where lakes could not be built and the territories that must be indagated. The result of the work is a map of the study area classified in probability levels based on the possibility to host lakes, from 1 (small probability) to 5 (high probability).

Il presente lavoro di tesi consiste in un’analisi del territorio con l’obiettivo di fornire un metodo speditivo per comprendere la fattibilità della realizzazione di piccoli invasi collinari data una determinata area. Il lavoro risulta d’interesse in un contesto globale caratterizzato da periodi siccitosi sempre più frequenti, gravi e prolungati. La porzione di territorio scelta per lo sviluppo del metodo è la parte meridionale della regione Toscana che si estende per circa 19000 km2, comprendente i tre bacini dei fiumi Ombrone, Albegna e Cornia. All’interno dell’area sono stati trovati 188 specchi d’acqua. Il lavoro procede con l’individuazione di quei fattori predittivi rilevanti per la localizzazione dei laghetti su un territorio. I parametri scelti sono: quota, pendenza, morfologia del territorio, tipologia di suolo, secondo Hydrological Soil Group, e tipo di paesaggio. Con l’utilizzo dei parametri si è proceduto effettuando delle analisi statistiche per valutarne la significatività rispetto l’obiettivo preposto, pertanto si sono confrontate le distribuzioni di ciascun parametro all’interno di tutta l’area di studio e unicamente all’interno dei territori occupati dai laghi, valutando la presenza o meno di fattori di re-scaling tra le distribuzioni. Successivamente si è proceduto all’addestramento di un modello utilizzando l’algoritmo di machine learning Random Forest, con il fine di valutare se i parametri scelti fossero sufficienti ad effettuare una previsione dell’area di studio che individuasse quei territori più adatti ad ospitare gli invasi. Il modello citato è stato poi implementato in un codice Matlab, il quale richiedeva in input i cinque fattori predisponenti discussi e una maschera georeferenziata che, sulla base dei parametri, identificasse le porzioni di territorio in cui vi erano i laghi esistenti, le porzioni in cui i laghi non potevano essere sicuramente realizzati e le porzioni di territorio da indagare. Il risultato del lavoro consiste in una mappa del territorio di studio classificata secondo livelli di idoneità che quelle aree possano ospitare piccoli invasi, partendo da 1 (bassa idoneità) a 5 (alta idoneità).