Content uploaded by Pierluca D'Agnese
Author content
All content in this area was uploaded by Pierluca D'Agnese on Jul 21, 2016
Content may be subject to copyright.
IMPIEGO DI MISURE NIVOMETRICHE PER L’ANALISI DI UN MODELLO
DI ACCUMULO E SCIOGLIMENTO NEVOSO
USE OF SNOW MEASUREMENTS FOR THE ANALYSIS OF A SNOW
ACCUMULATION AND MELT MODEL
Pierluca D’Agnese1*, Cesare Govoni2, Andrea Spisni2, Fausto Tomei2, Elena Toth3, Vittorio Marletto2
1 Deltares, Rotterdamseweg 185, 2629 HD, Delft, The Netherlands
2 ARPAE Emilia - Romagna – Servizio Idro Meteo Clima, viale Silvani 6, 40122, Bologna (BO)
3 Università di Bologna – DICAM, viale Risorgimento 2, 40100, Bologna (BO)
*pierluca.dagnese@gmail.com
Abstract
This paper concerns the analysis of the snow accumulation and melt model applied by ARPAE-SIMC (Regional
Environmental Protection Agency – Hydro-Meteo-Climate Service) to monitor snow cover and Snow Water Equivalent
(SWE) in the Emilia-Romagna region. Snow measurements acquired by the Meteomont Service for the avalanche risk
assessment may represent a good tool to evaluate the model response. The analysis is focussed on the snow measurements
station of Sestola – Lago della Ninfa, located in the Apennines mountain range (1550 m ASL). The temporal trend of SWE
simulated by the model is compared to the available field data of SWE acquired during three snow-periods of 2012/13,
2013/14 and 2014/15. A higher spatial density of the snow measurements network and a greater number of data acquired in
each station would permit the possibility to apply a model calibration and validation over the whole region.
Parole chiave
Neve, misure nivometriche, Meteomont, SWE, modello numerico.
Keywords
Snow, snow measurements, Meteomont, SWE, numerical model.
Introduzione
La misura diretta dell’equivalente in acqua del manto
nevoso (Snow Water Equivalent, SWE, millimetri) si basa
sul calcolo dell’altezza del manto e della sua densità. A
causa dell’ingente richiesta di risorse umane ed economiche
necessarie per compiere tali indagini, le misure in campo
non risultano adatte a descrivere la variabilità spazio-
temporale della risorsa idrica nivale sul territorio. Tuttavia
sono spesso utilizzate come punti di controllo a terra per la
verifica e la taratura di tecniche di stima dello SWE. Tra
queste si collocano i modelli numerici fisicamente basati, in
grado di simulare l’evoluzione al suolo del manto nevoso e
i principali processi fisici di accumulo e scioglimento della
neve, fornendo delle stime di SWE sul territorio. In questo
studio, Arpae-Simc ha potuto analizzare il modello
attualmente operativo all’interno della procedura di
monitoraggio della copertura nevosa sul territorio regionale
(Spisni et al., 2011), sfruttando le informazioni ricavate dai
rilevi nivometeorologici del Servizio Meteomont.
Materiali e Metodi
Dal Dicembre 2007, Arpae-Simc ha integrato il suo
software di bilancio idrico Criteria 3D (Bittelli et al., 2010)
e il suo software di gestione dei dati agrometeorologici
(PRAGA) con un modello numerico di accumulo e
scioglimento nevoso: the Snow Accumulation and Melt
(SAM) model (Brooks et al., 2007). Il modello richiede in
input unicamente dati meteorologici orari (temperatura
dell’aria, precipitazione, umidità, radiazione solare e
vento). Lo strato informativo di base è costituito da un
Modello Digitale del Terreno a 500 metri che ricalca i
bacini idrografici di competenza regionale. In output è
possibile ottenere l’informazione oraria di SWE in
millimetri. Presso le stazioni nivometeorologiche manuali
del Servizio Meteomont, durante il periodo di permanenza
della neve al suolo, si svolgono indagini stratigrafiche atte a
valutare la stabilità del manto nevoso. Da tali rilievi,
eseguiti con cadenza settimanale, vengono ricavati diversi
parametri nivologici, tra cui densità e altezza dei singoli
strati, da cui è possibile risalire all’informazione di SWE.
E’ stato individuato un unico campo neve: Sestola – Lago
della Ninfa, in provincia di Modena, sull’Appennino
Emiliano (1550 m slm). Attorno a tale stazione è stato
estrapolato un modello digitale del terreno a 30 m
dall’SRTM (Shuttle Radar Topography Mission) della
NASA. Le stagioni oggetto di studio sono 2012/13,
2013/14 e 2014/15, per un totale di 39 elaborati grafici o
Profili della neve (Modello 4) realizzati dagli osservatori
nivologici presso la stazione, da dicembre a inizio aprile. La
collaborazione del Corpo Forestale dello Stato ha permesso
la validazione dei dati in nostro possesso. La valutazione
della loro coerenza con le misure nivometeorologiche
eseguite giornalmente in termini di altezza totale del manto
e peso specifico dello strato superficiale ha permesso di
ripulire il dataset di partenza, limitandolo a un totale di 34
osservazioni. Le simulazioni sono state condotte nel
periodo compreso tra il 01 novembre e il 15 aprile: la scelta
della data di inizio simulazione nasce dalla necessità di
inizializzare le equazioni di bilancio eseguite dal modello a
partire dai primi periodi di accumulo di neve al suolo,
mentre la data di fine simulazione corrisponde all’ultimo
momento utile per l’analisi osservato/simulato. Sono stati
quindi confrontati, in corrispondenza del campo neve, gli
andamenti temporali dei valori di SWE, presente al suolo,
simulati con passo orario dal modello, ma ricondotti ad una
scala giornaliera tramite un operazione di media sulle 24
ore, con i valori puntuali ricavati dalle analisi stratigrafiche.
Gli indicatori scelti per quantificare lo scostamento tra
osservato e simulato sono: il Root Mean Square Error
RMSE, il BIAS e l’indice di efficienza di Nash-Sutcliffe NS
(Moriasi et al., 2007). Il valore ottimale di BIAS e RMSE è
pari a 0. Il segno del BIAS è un indicatore della tendenza da
parte del modello a sovrastimare o sottostimare il dato
reale; mentre il RMSE, che ha la stessa unità di misura
delle osservazioni, fornisce una descrizione dell’ordine di
grandezza dell’errore. Il valore dell’indice NS è compreso
tra -∞ e 1. Se NS=1, il modello stima perfettamente.
Tab.1 – Indici di errore e di efficienza relativi alle 3
stagioni in esame.
Tab.1 – Error indices and NS Efficiency concerning the
three studied periods
Stagione
RMSE
BIAS
NS
2012/13
90.05
-48.87
0.73
2013/14
127.47
100.17
0.28
2014/15
236.61
199.16
-0.39
Risultati e Discussione
La stagione 2012/13 mostra i risultati migliori in termini di
indici di errore e di efficienza (Tab.1). Una leggera
tendenza alla sovrastima è testimoniata dal valore negativo
del BIAS e l’analisi dell’andamento temporale dello SWE
(Fig.1) rivela come tale problema sia per lo più relativo alla
fase finale della stagione.
Fig.1 – Confronto osservato/simulato per la stagione
2012/13. La linea continua rappresenta l’andamento
temporale dello SWE, i valori puntuali indicano le misure
di SWE a terra.
Fig.1- Comparison between measured and simulated SWE
in season 2012/13. The line represents the temporal trend
of SWE, dots are the observations of SWE.
Il 2013/14 mostra risultati sicuramente meno soddisfacenti
(Tab.1): è evidente la tendenza del modello alla sottostima
del dato reale. Le maggiori discordanze osservato/simulato
si realizzano a partire dalla seconda metà del mese di marzo
(Fig.2). Escludendo gli ultimi quattro valori di SWE, il
valore del RMSE passerebbe da 127.47 a 60.96, mentre
l’indice di Efficienza sarebbe pari a 0.84. La comprensione
della dinamica dello scioglimento simulato erroneamente a
metà marzo può avvenire con maggiore chiarezza grazie
all’analisi dei singoli contributi del bilancio energetico.
Fig.2 – Confronto osservato/simulato per la stagione
2013/14. La linea continua rappresenta l’andamento
temporale dello SWE, i valori puntuali indicano le misure
di SWE a terra.
Fig.2- Comparison between measured and simulated SWE
in season 2013/14. The line represents the temporal trend
of SWE, dots are the observations of SWE.
Tutti i valori assunti dagli indici di errore relativi alla
stagione 2014/15 risultano essere molto poco soddisfacenti
(Tab.1): il Nash-Sutcliffe negativo e i valori elevati di
RMSE e BIAS descrivono una bassa correlazione tra
osservato e simulato. Il periodo critico è compreso tra il 10
febbraio e il 09 marzo (Fig.3): l’incremento di SWE di circa
260 mm rilevato dal CFS è maggiore rispetto a quanto
simulato dal modello, ovvero 115 mm. Un’attenta analisi
del dato pluviometrico cumulato registrato dai sensori
riscaldati più prossimi al sito in esame, Pievepelago (1083
m slm) e Cutigliano-Melo (1600 m slm), ha rivelato un
problema di sottostima del dato di precipitazione in
ingresso. Ciò è giustificato da una serie di errori sistematici
nella misura delle precipitazioni di carattere nevoso tali da
condurre ad una sottostima della reale grandezza
pluviometrica, come l’azione di disturbo aerodinamico sui
fiocchi di neve in ingresso al sensore e l’evaporazione
indotta dall’apparato riscaldante (Lendvai et al., 2015).
Fig.3 – Confronto osservato/simulato per la stagione
2014/15. La linea continua rappresenta l’andamento
temporale dello SWE, i valori puntuali indicano le misure
di SWE a terra. Viene evidenziato il differente incremento
di SWE nel periodo compreso tra il 10/02/2015 e il
09/03/2015: 260mm il valore osservato, 115 mm quello
simulato.
Fig.3- Comparison between measured and simulated SWE
in season 2014/15. The line represents the temporal trend
of SWE, dots are the observations of SWE. The different
increase of SWE between the 10/02/2015 and the
09/03/2015 is highlighted: 260 mm is the observed value,
115 mm is the simulated one.
Tali considerazioni suggeriscono come misure locali di
equivalente in acqua possano essere altrettanto utili per un
controllo sui dati in ingresso al modello. Nel lavoro di
D’Agnese (2015) è stata approfondito il presente studio
per comprendere quanto la variabilità di un dato
meteorologico in ingresso al modello SAM, in particolare
l’intensità di vento, potesse compromettere la bontà della
simulazione dei processi di accumulo e scioglimento
nevoso in corrispondenza del sito di Sestola. L’analisi
rivolta alla stazione anemometrica più prossima al campo
neve di Sestola, sita a Fanano - Lago Scaffaiolo, ha messo
in evidenza una serie di questioni da approfondire in futuro.
In particolare, i flussi di energia termica che avvengono
all’interfaccia aria-neve a causa dell’effetto eolico possono
risentire della non esaustiva procedura geostatistica di
interpolazione della variabile vento sul territorio e della
scarsa densità degli anemometri presenti in regione.
Conclusioni
Questo studio, nonostante abbia validità locale, rivela come
le informazioni acquisite durante i rilievi nivometeorologici
atti a valutare il pericolo valanghe, possano rappresentare
un ottimo strumento di controllo e di analisi di un modello
di accumulo e scioglimento nevoso. La frequenza con cui
vengono rilevati i dati nivometrici non permette di ottenere
delle informazioni dettagliate circa il trend evolutivo dello
SWE osservato. La mancanza di un adeguato numero di
misure relative al periodo di disgelo primaverile, non
consente di comprendere del tutto l’affidabilità del modello
nelle circostanze caratterizzate da fenomeni di scioglimento
del manto. Inoltre, una maggiore densità della rete di
rilevamento meteonivometrico, così come un maggior
numero di misure, permetterebbe di condurre delle
operazioni di calibrazione dei parametri del modello, e
conseguente validazione, a scala regionale. Una non
corretta acquisizione dei dati meteorologici in ingresso al
modello può limitarne l’affidabilità. È pertanto necessario
un controllo costante sui dati d’input. Le informazioni
ottenute dai rilievi nivometrici possono rappresentare uno
strumento idoneo per la valutazione dei dati meteorologici
in ingresso al modello e per l’analisi di problematiche
relative all’acquisizione del dato stesso e alla sua
interpolazione sul territorio regionale.
Ringraziamenti
Si ringrazia il Corpo Forestale dello Stato - Centro Settore
Meteomont di Bologna per aver reso disponibili le
informazioni nivometeorologiche utilizzate nel presente
studio, e per l’attenta collaborazione in fase di validazione
dei dati in esame.
Bibliografia
Bittelli M., Tomei F., Pistocchi A., Flury M., Boll J.,
Brooks E., Antolini G., 2010. Development and testing of a
physically based, three-dimensional model of surface and
subsurface hydrology. Advances in Water Resources, 33:
106–122.
Brooks E., Boll J., Mc Daniel P. A., 2007. Distributed and
integrated response of a geographic information system-
based hydrologic model in the eastern Palouse region,
Idaho. Hydrological processes, 21: 110-122.
D’Agnese P., 2015. Analisi di un modello distribuito di
accumulo e scioglimento nevoso per la stima dello Snow
Water Equivalent. Tesi di Laurea Magistrale in Ingegneria
Civile. Scuola di Ingegneria e Architettura. Alma Mater
Studiorum - Università di Bologna.
Lendavi A., Ranzi R., Peretti G., Berbenni F., Praolini A.,
Urbani S., 2015. Misura delle precipitazioni nevose
mediante i pluviometri: Stima degli errori sistematici e
correzione delle serie storiche. Neve e Valanghe, 84: 12-21.
Moriasi D.N., Arnold J.G., Van Liew M.W., Bingner R.L.,
Harmel R.D., Veith T.L., 2007. Model evaluation
guidelines for systematic quantification of accuracy in
watershed simulations, Transactions of the ASABE 50 (3):
885-900.
Spisni A., Tomei F., Pignone S., Muzzi E., Panzacchi A.,
Antolini G., Villani G., Di Lorenzo M., Foraci R., Bittelli
M., Brooks E.S., 2011. Snow cover analysis in Emilia-
Romagna. Rivista Italiana di Telerilevamento-Italian
Journal of Remote Sensing, 43 (1): 59-73.
