Applicazione della metodologia Sliding Time Master DIC Analysis (STMDA) nel monitoraggio delle frane: il caso studio della frana del Ruinon

Given its complex geological framework, the Italian territory is highly susceptible to geological hazards, making landslide monitoring a critical tool for risk prevention. While many slopes are monitored with cameras, their use is often restricted to qualitative observation. This thesis addresses this gap by developing and validating a methodology that elevates terrestrial photomonitoring from a simple observational technique to a quantitative system for measuring surface deformations. The methodology was validated on the Ruinon landslide (SO) case study, using datasets from two cameras of varying resolutions. The proposed workflow begins with rigorous pre-processing, followed by the application of Digital Image Correlation (DIC) to image pairs to compute displacement fields in image units (pixels). These are subsequently converted into object units (metres) through the integration of a Digital Elevation Model (DEM). The innovative core of this research is the Sliding Time Master DIC Analysis (STMDA) approach. This strategy employs each image in the sequence as a reference master to generate a redundant time series dataset, to which a least-squares-based statistical procedure is applied to robustly estimate the deformation trend. A key part of this thesis is the assessment of the methodology's stability within a simulated real-time environment, comparing two progressive analysis strategies: a full-history and a moving-window approach. The findings indicate that both strategies achieve convergence of the displacement time series as new image is acquired and processed. The moving-window approach, specifically, represents an effective tradeoff between result consistency and computational efficiency, demonstrating its suitability for long-term monitoring applications. In conclusion, this research confirms that the developed methodology provides a robust tool for deformation analysis, laying a solid foundation for its future integration into continuous monitoring and early warning systems.

Il territorio italiano, data la sua complessa conformazione geologica, è caratterizzato da un elevato rischio idrogeologico, rendendo il monitoraggio dei fenomeni franosi uno strumento strategico per la prevenzione. Nonostante molti versanti siano sorvegliati da fotocamere, il loro potenziale è spesso limitato a un'analisi qualitativa. La presente tesi si propone di superare questo limite, sviluppando e validando una metodologia per trasformare il fotomonitoraggio terrestre da strumento di osservazione a sistema di misura quantitativo delle deformazioni superficiali. La metodologia è stata testata su un caso studio, la frana del Ruinon (SO), utilizzando dataset di immagini acquisite da due fotocamere a diversa risoluzione. Il flusso di lavoro prevede, dopo un rigoroso pre-processamento, l'applicazione della Correlazione di Immagini Digitali (DIC) a coppie di immagini per calcolare i campi di spostamento in unità immagine (pixel), successivamente convertiti in unità oggetto (metri) tramite l'integrazione di un Modello Digitale di Elevazione (DEM). L'elemento innovativo del lavoro risiede nell'approccio Sliding Time Master DIC Analysis (STMDA): questa strategia prevede di utilizzare ogni immagine della sequenza come master di riferimento, generando un dataset ridondante di serie temporali. Su questo dataset viene poi applicata una procedura statistica basata sui minimi quadrati per la stima robusta del trend deformativo. Il nucleo della tesi risiede nella valutazione della stabilità della metodologia in uno scenario real-time simulato, dove sono state confrontate due strategie di analisi progressiva dei dati: a storia completa e a finestra mobile. I risultati dimostrano che entrambe le strategie garantiscono la convergenza delle serie temporali di spostamento man mano che l'analisi include nuove immagini. L'approccio a finestra mobile, in particolare, si è dimostrato un efficace compromesso tra la coerenza dei risultati e l'efficienza computazionale, rendendolo idoneo per applicazioni di monitoraggio a lungo termine. In conclusione, questo lavoro dimostra che la metodologia sviluppata fornisce uno strumento robusto per l'analisi delle deformazioni e pone le basi per una futura integrazione in sistemi di monitoraggio in continuo e di allertamento.