Mapping expected flood damage susceptibility and its severity: a case study on residential building in the Tuscan plain

Floods are one of the most common and devastating natural disasters worldwide, resulting in damage to infrastructure, economic losses, injured, and loss of lives. In this study, a hierarchical model has been developed to assess the flood damage susceptibility and its severity, focusing on residential buildings in the Tuscan plain, as Tuscany is one of the most critical in Italy and Europe. Unlike traditional approaches that estimate hazard, exposure, and vulnerability separately, this research uses a direct data-driven methodology based on an Ensemble Bagged Trees classifier that correlates observed damage with 15 environmental and socio-economic predisposing factors. The model follows a process subdivided into two-stages: initially, it differentiates between tangible and residual damage using a supervised classification approach; then, it further categorizes tangible damage into medium and high severity levels. A database of past flood events and damage reports has been constructed from a vast ensemble of official records provided by the Tuscany region, ensuring a robust calibration and validation process. In particular, the model's predictive capability to identify flood-prone areas and predict damage severity has been assessed through a series of statistical assessment metrics and comparisons. This proposed approach offers valuable insights for civil protection authorities, urban planners, and policymakers, supporting the development of more effective flood mitigation strategies and resource allocation in flood-prone regions.

Le alluvioni sono tra i disastri naturali più comuni e devastanti a livello globale, che causano danni alle infrastrutture, perdite economiche, feriti e vittime. In questo studio è stato sviluppato un modello gerarchico per valutare la suscettibilità ai danni da alluvione e la loro gravità, con un focus sugli edifici residenziali nella pianura toscana, poiché la Toscana è una delle aree più critiche in Italia e in Europa. A differenza degli approcci tradizionali che stimano separatamente pericolosità, esposizione e vulnerabilità, questa ricerca utilizza direttamente una metodologia data-driven diretta basata su un classificatore Ensemble Bagged Trees, che correla i danni osservati con 15 fattori predisponenti ambientali e socioeconomici. Il modello segue un processo suddiviso in due fasi: inizialmente fa una distinzione tra danno tangibile e residuo tramite un approccio di classificazione supervisionata; successivamente, categorizza ulteriormente il danno tangibile in livelli di gravità media e alta. Un database di eventi alluvionali passati e segnalazioni di danni è stato costruito utilizzando un ampio insieme di dati ufficiali forniti dalla Regione Toscana, garantendo un solido processo di calibrazione e validazione. In particolare, la capacità predittiva del modello nell'identificare le aree soggette a inondazioni e nel prevedere la gravità dei danni è stata valutata attraverso una serie di metriche statistiche e confronti. L'approccio proposto offre spunti preziosi per le autorità di protezione civile, i pianificatori urbani e i decisori politici, supportando lo sviluppo di strategie più efficaci di mitigazione delle alluvioni e una migliore allocazione delle risorse nelle aree a rischio.