Le Precipitazioni Intense in Piemonte PDF

LE PRECIPITAZIONI
INTENSE IN
PIEMONTE
Distribuzione regionale delle piogge e
caratterizzazione statistica dei valori
estremi
Le precipitazioni intense in Piemonte
Distribuzione regionale delle piogge e caratterizzazione statistica dei valori estremi
Progetto e coordinamento generale:

Secondo Barbero
Arpa Piemonte, Dipartimento Sistemi Previsionali
Autori:
ANALISI CLIMATICA DEGLI EVENTI PLUVIOMETRICI ESTREMI
Marzia Ciampittiello, Claudia Dresti, Helmi Saidi - Consiglio Nazionale delle Ricerche, Istituto per lo Studio
degli Ecosistemi
RACCORDO TRA SERIE DERIVANTI DA STRUMENTI MECCANICI ED AUTOMATICI

Fiorella Acquaotta, Adriana Albanese, Simona Fratianni, Luciano Masciocco - Universit di Torino,
Dipartimento di Scienze della Terra
Manuela Bassi, Barbara Cagnazzi, Roberto Cremonini - Arpa Piemonte, Dipartimento Sistemi Previsionali
ATLANTE DELLE PRECIPITAZIONI INTENSE

Paola Allamano, Elisa Bartolini, Pierluigi Claps, Domenico De Santis, Francesco Laio - Politecnico di
Torino, Dipartimento di Ingegneria dellAmbiente del Territorio e delle Infrastrutture
Secondo Barbero, Mariella Graziadei, Milena Zaccagnino - Arpa Piemonte, Dipartimento Sistemi Previsionali
Fotografie in copertina
Archivio Arpa Piemonte
Impaginazione
Marcopolo srl, Torino
Finito di stampare nel mese di luglio 2013 presso la tipografia

Grafica Reventino Srl, Decollatura (CZ)
Stampato su carta certificata FSC recycled credit,

con un contenuto di fibre riciclate del 100%
ISBN 978-88-7479-124-8
2013, Arpa Piemonte

Via Pio VII, 9 10135 Torino Italia
www.arpa.piemonte.it
Progetto cofinanziato:
STRADA
STRATEGIE DI ADATTAMENTO
AI CAMBIAMENTI CLIMATICI
PER LA GESTIONE DEI RISCHI
NATURALI NEL TERRITORIO
TRANSFRONTALIERO
LE OPPORTUNIT NON HANNO CONFINI

Distribuzione regionale delle piogge e caratterizzazione statistica dei valori estremi cinquantennio 1961-2010
INDICE
Introduzione..........................................................................................................5
1. Analisi climatica degli eventi pluviometrici estremi...............................7
1.1. Obiettivi.................................................................................................................................... 7
1.2. Raccolta di dati........................................................................................................................ 8
1.2.1 Stazione di Pallanza........................................................................................................ 8
1.2.2 Bra..................................................................................................................................... 9
1.2.3 Vercelli............................................................................................................................ 10
1.2.4 Digitalizzazione............................................................................................................. 11
1.3. Metodologia........................................................................................................................... 13
1.3.1. Indici di eventi estremi............................................................................................... 14
1.3.2 Test di Mann-Kendall................................................................................................... 14
1.3.3. Peaks-Over-Threshold (POT).................................................................................... 15
1.4. Analisi dei risultati................................................................................................................ 16
1.4.1 Massimi annuali............................................................................................................ 16
1.4.2 Massimi stagionali........................................................................................................ 17
1.4.3 Indicatore di frequenza................................................................................................ 17
1.4.4 Indicatore di intensit.................................................................................................. 18
1.4.5 Peaks over threshold..................................................................................................... 19
1.5 Conclusioni............................................................................................................................. 22
2. Raccordo tra serie derivanti da strumenti meccanici

ed automatici..................................................................................................23
2.1. Obiettivi.................................................................................................................................. 23
2.2. Confronto tra gli strumenti delle due reti meteorologiche............................................. 25
2.3. Metodi di analisi e di confronto dei dati pluviometrici................................................... 29
2.4. Conclusioni............................................................................................................................ 33
3. Atlante delle precipitazioni intense..........................................................34

3.1. Obiettivi.................................................................................................................................. 34
3.2. La raccolta dati...................................................................................................................... 36
3.2.1 Enti preposti al monitoraggio..................................................................................... 36
3.2.2 Disponibilit di dati...................................................................................................... 36
3.3. Metodi.................................................................................................................................... 38
3.3.1 Determinazione del trend tra quota e precipitazione.............................................. 39
3.3.2 Determinazione del variogramma............................................................................. 40
3.3.3 Applicazione del kriging ordinario a scala annuale: algoritmo sequenziale......... 41
3.3.4 Applicazione alle durate super-orarie........................................................................ 44
3.3.5 Integrazione della curva di possibilit pluviometrica alle durate sub-orarie....... 44
3.3.6 Risultati e considerazioni............................................................................................. 46
3.3.7 Curva intensit-durata media: analisi globale.......................................................... 47
3.3.8 Stima del fattore di crescita delle precipitazioni estreme........................................ 48
3.4. Conclusioni............................................................................................................................ 49
Bibliografia.........................................................................................................50
Capitolo 1...................................................................................................................................... 50
Capitolo 2...................................................................................................................................... 51
Capitolo 3...................................................................................................................................... 52
Introduzione
I prolungati periodi siccitosi intercalati da intensi eventi alluvionali che si sono verificati nelle Alpi
occidentali negli anni recenti, unite alle previsioni dei modelli climatologici riguardo allaumento della
probabilit di eventi estremi (alluvioni e siccit) nellarea Mediterranea, inducono a studiare attenta-
mente la climatologia delle precipitazioni. La ricerca di trend nelle serie storiche di eventi estremi
pertanto diventata un tema di particolare interesse, sia perch la loro presenza potrebbe rappresentare
un segnale del cambiamento climatico in atto, sia perch la conoscenza dellevoluzione nel tempo pu
diventare uno strumento di supporto nella definizione di possibili scenari futuri, nella pianificazione
e nella gestione delle risorse di un territorio.
Al fine di fornire un contributo nella comprensione di questi fenomeni nel presente studio si
provveduto a ricostruire lunghe serie temporali di precipitazioni brevi ed intense disponibili sul terri-
torio del Piemonte attraverso il recupero e la raccolta dei dati cartacei, la loro digitalizzazione e vali-
dazione; su queste serie temporali sono poi state applicate tecniche di analisi statistica per verificare il
comportamento nel tempo degli eventi piovosi estremi.
Sulla base dei risultati ottenuti si poi potuto affrontare il tema dellaggiornamento dellatlante
delle precipitazioni intense assumendo che le serie delle precipitazioni massime annue fossero sostan-
zialmente stazionarie.
Il primo atlante regionale per la determinazione delle linee segnalatrici di possibilit pluviome-
trica veniva realizzato nel 1998 nellambito di due programmi Interreg di cooperazione interregionale
Italia-Francia ed Italia-Svizzera utilizzando le misure di precipitazione rilevate tra il 1928 e il 1985
dalle stazioni meccaniche dal Servizio Idrografico e Mareografico Nazionale (SIMN). Lo sviluppo di
reti meteorologiche automatiche avvenuto negli ultimi 20 anni consente oggi di disporre di uninfor-
mazione pluviometrica di maggior dettaglio spazio-temporale rispetto al passato. A partire dagli anni
90 infatti sono nate nuove reti di rilevamento regionali costituite da strumenti automatici che via via
si sono espanse andando ad integrare o sostituire gli stumenti meccanici generalmente obsoleti del
SIMN. Nel 2002, con il trasferimento delle competenze del SIMN alle Regioni, si definitivamente
consolidato il processo di ammodernamento della rete di misura che oggi costituita da strumenti
automatici in grado di fornire misure in tempo reale e con un elevato dettaglio temporale.
Nel presente studio si quindi valutata la possibilit di unire serie di dati di precipitazione acqui-
site da due differenti reti pluviometriche attive sul territorio in tempi diversi (strumenti meccanici ed
automatici), analizzando le differenze tra queste due fonti di informazione attraverso un confronto in
26 localit in cui si disponeva di un periodo di contemporaneo funzionamento.
Poich per oltre il 50% dei siti analizzati non risultato possibile unire le serie, si optato per
utilizzare un nuovo metodo operativo di ricostruzione spazio-temporale delle precipitazioni estreme
consistente nella ricostruzione mediante kriging dei valori massimi annui per ogni anno di osserva-
zione.
Il metodo, denominato kriging sequenziale, stato applicato alle serie di precipitazioni estreme
con durate 1-24 ore consentendo di stimarne le serie storiche ed i parametri della relazione intensit-
durata-frequenza su un grigliato regolare che copre lintero Piemonte. La relazione stimata localmente
poi stata estesa al campo delle durate sub-orarie introducendo una relazione compatibile con il com-
portamento reale delle precipitazioni nel campo delle durate inferiori allora. Nel complesso il metodo
fornisce, per ciascun punto griglia, tre parametri per la caratterizzazione della curva intensit-durata.
5
La disponibilit di serie storiche ricostruite in modo omogeneo nel tempo e nello spazio ha permesso
di aggiornare latlante delle precipitazioni e potr consentire ulteriori approfondimenti sulla distribu-
zione dei quantili per diversi periodi di ritorno.
Latlante regionale con cui determinare le linee segnalatrici di possibilit pluviometrica riveste
una grande importanza in numerosi problemi di ingegneria, quali ad esempio la progettazione di in-
terventi di opere idrauliche e di difesa del territorio oltre che nelle attivit di monitoraggio del Centro
Funzionale per caratterizzare la magnitudo delle precipitazioni in corso e valutarne i possibili effetti.
6
1
1. Analisi climatica degli eventi pluviometrici estremi
1.1. Obiettivi
I cambiamenti climatici e le conseguenti variazioni ambientali interessano oggi non solo la ricerca
scientifica, ma suscitano anche vivo interesse in ambito politico ed economico, a causa della crescente
incidenza che possono avere sulla qualit della vita. Gli impatti di tali cambiamenti sul territorio e
sulle risorse ambientali si presume possano essere di varia natura. Essi possono essere sintetizzati nella
riduzione della disponibilit di risorse idriche, nel deterioramento della qualit dei suoli, nellincre-
mento dei processi erosivi e nellaumento del rischio di alluvioni.
A questo proposito nel 1988 stato costituito lIntergovernmental Panel on Climate Change
(IPCC), allo scopo di valutare le informazioni scientifiche, tecniche e socioeconomiche relative alla
comprensione del cambiamento climatico indotto dalluomo, dei potenziali impatti dei cambiamenti
del clima e le possibili forme di mitigazione degli stessi. Lo scenario climatico previsto dallIntergo-
vernmental Panel on Climate Change (IPCC) per il XXI secolo (IPCC, 2012) molto preoccupante;
maggiore frequenza degli eventi estremi, lunghi periodi siccitosi, diminuzione considerevole delle
precipitazioni estive e incremento dellintensit degli eventi brevi ed intensi, sono le tendenze mete-
orologiche attese e gi riconosciute in diverse aree del globo, tra cui lEuropa (Alpert et al., 2002). Gli
eventi caratterizzati da forti precipitazioni che vedranno aumentata la loro frequenza, faranno aumen-
tare il rischio di inondazioni (IPCC, 2007).
La situazione italiana per il futuro incerta e fortemente variabile e necessita di attenzione. Studi
recenti (Brunetti et al., 2002; 2004) hanno dimostrato che negli ultimi 50 anni, le condizioni climati-
che si sono evolute secondo i seguenti pattern:
il numero di giorni piovosi diminuito di circa il 14%, mentre le precipitazioni totali hanno
subito un decremento stimato in 47 mm/100 anni per il nord e in 104 mm/100 anni per il sud;
a livello stagionale si riscontra che la riduzione dei giorni piovosi molto pi elevata in inverno
rispetto alle altre stagioni;
sempre a livello stagionale, si riscontra una tendenza allaumento dellintensit delle precipita-
zioni e ad una diminuzione della loro durata, soprattutto in inverno;
aumentato il numero degli eventi estremi;
in particolare, sul nord dellItalia (Brunetti et al., 2000) lincremento dellintensit delle pre-
cipitazioni provoca un aumento della percentuale di precipitazione giornaliera (PG) se ci si
riferisce a classi di precipitazioni molto alte (25mm <PG< 50mm e PG>50mm), e ad una dimi-
nuzione di quelle di classi inferiori (0mm<PG<2.5mm e 2.5mm<PG<12.5mm).
A scala regionale, per il Piemonte (Bovo e Pelosini, 2007), si pu sottolineare una debole tenden-
za statisticamente significativa allincremento della lunghezza media e massima dei periodi secchi.
Un trend positivo nelle temperature estive ed unassenza di trend nelle precipitazioni, implicano un
aumento di condizioni di aridit nellarea in esame. In Piemonte le tendenze delle analisi statistiche
delle precipitazioni sono molto deboli e non significative.
La ricerca di trend nelle serie storiche di eventi estremi pertanto diventata un tema di parti-
colare interesse ed a tale fine si provveduto alla raccolta delle serie storiche di precipitazioni brevi
ed intense e al recupero di dati cartacei e allapprofondimento delle tecniche e dei metodi di analisi
statistica per gli eventi piovosi estremi e per le lunghe serie temporali.
7
1 Le precipitazioni intense in Piemonte
1.2. Raccolta di dati
Le stazioni su cui si concentrata la digitalizzazione, la verifica e lanalisi di lunghe serie temporali

(Tab. 1) sono state scelte tra quelle a disposizione di ARPA Piemonte e tra quelle allinterno del bacino
del Lago Maggiore, a disposizione del CNR-ISE (stazione di Pallanza).
Anni Stazione Provincia Coordinate Coordinate Quota Bacino di

digitalizzati UTM_X UTM_Y [m s.l.m.] appartenenza
1951-1991 Pallanza VB 465025 5086015 211 Lago Maggiore
1933-2003 Bra CN 406484 4950575 290 Po
1927-2003 Vercelli VC 450608 5020448 135 Sesia
1939-2003 Lombriasco TO 392207 4965614 241 Po
Tab. 1. Anagrafica delle stazioni digitalizzate
Queste stazioni sono state selezionate tra quelle caratterizzate da un lungo periodo di funziona-
mento (superiore a 40 anni) e quelle dotate di misurazione pluviografica.
Per ciascuna stazione si sono cercate informazioni circa la tipologia di strumenti utilizzati nel
tempo, eventuali cambiamenti nella loro posizione, o del tipo di strumento, visto lelevato numero di
anni da analizzare; questo al fine di interpretare al meglio i dati digitalizzati, valutando se cambiamenti
nel trend o nelle caratteristiche pluviometriche dellarea, siano dovute ad un effettivo cambiamento
climatico o invece alleffetto dei cambiamenti strumentali avvenuti negli anni.
1.2.1 Stazione di Pallanza

La registrazione dei dati pluviometrici alla stazione di Pallanza (VB) iniziata nel 1951 ed pro-
seguita nel tempo con diversi strumenti (Ambrosetti et al., 2006):
dal 1951 fino al 30 marzo 1956 si utilizzato un apparecchio tipo Palazzo della ditta Salmoira-
ghi con sensibilit di pioggia pari a 0,1 mm;
dal 30 marzo 1956 fino agli inizi degli anni 80 stato utilizzato un pluviografo SIAP UM 81 con
sensibilit di pioggia pari a 0,2 mm, a zone settimanali;
dagli inizi degli anni 80 il pluviografo SIAP UM 81 stato sostituito da un modello SIAP a
registrazione continua, tuttora in funzione;
nel marzo 1992 stata installata una stazione automatica a vaschetta basculante, modello PMB2
CAE, con sensibilit pari a 0,2 mm.
Il pluviografo Salmoiraghi ed i due diversi pluviografi della SIAP, sono sempre rimasti nella stes-
sa posizione, ovvero sulla torretta dellIstituto Italiano di Idrobiologia Dott. Marco De Marchi ora
Istituto per lo Studio degli Ecosistemi del Consiglio Nazionale delle Ricerche. La stazione automatica
invece, stata installata nel giardino sottostante la torretta, sempre allinterno della propriet dellIsti-
tuto per lo Studio degli Ecosistemi.
Lubicazione della torretta riassunta qui di seguito: (Barbanti, 1968)
Latitudine 45 55 25 N
Longitudine 3 54 18 W da Monte Mario
Quota 224 m s.l.m.
8
1
La posizione della stazione automatica, non si discosta di molto da quelle poste nel tempo, sulla
torretta, se non per la quota:
Latitudine 45 55 25 N
Longitudine 8 32 50 E
Quota 202 m s.l.m.
Dal 1996 la stazione meteorologica automatica di Pallanza entrata a far parte della rete meteo
idrografica regionale.
Durante il periodo relativo alla digitalizzazione dei dati di pioggia, dal 1951 al 1991, la stazione
sempre rimasta nella stessa posizione e si sono avuti due cambi di strumento, a diversa sensibilit.
1.2.2 Bra
La stazione di Bra (CN) presente da lungo tempo ed ha al suo attivo un lungo periodo continuo
di osservazioni termo-pluviometriche, dal 1862, ed posta allOsservatorio Museo Civico Craveri
(Cortemiglia, 1999). Nel tempo la stazione termo-pluviometrica ha subito alcuni spostamenti sia in
quota che in direzione orizzontale, riassunti nella tabella 2. Per quanto riguarda il periodo di interes-
se dellanalisi statistica condotta, ovvero dal 1933 al 2003 la stazione ha subito un solo spostamento
altitudinale.
Il pluviometro della stazione era inizialmente installato sopra il tetto della residenza Craveri a
10,87 metri dal suolo, ed era costituito da un cilindro del diametro di 0,357 cm con fondo collegato
con un tubo di piombo alla sottostante stanza, destinata a laboratorio; le osservazioni venivano effet-
tuate alle ore 10:00 (Cortemiglia, 1999).
Periodo Latitudine N Longitudine W Quota Spostamento Spostamento Letture

[m s.l.m.] orizzontale verticale [ore]
[m] [m]
dal 1/12/1859 444200 43559,5 300,87 0 0 dalle 10:00
al 31/12/1863 alle 10:00
dal 1/1/1864 444200 43559,5 303 0 +2,13 dalle 21:00
al 30/11/1932 alle 21:00
dal 1/12/1932 444200 35932 303 0 0 dalle 19:00
al 31/12/1971 alle 19:00
dal 1/1/1972 444200 35932 303 0 0 dalle 9:00
al 10/3/1972 alle 9:00
dal 11/3/1972 444159,1 35928 291,5 42 SW -11,5 dalle 9:00
al 2003 alle 9:00
Tab. 2. Posizioni dellOsservatorio Museo Civico Craveri dal 1859 ad oggi per quanto riguarda i rilievi pluviometrici (Cortemiglia, 1999).
Dal 1/12/1932 al 31/12/1971 la stazione meteorologica si trovava nella cosiddetta specola, ovvero
un terrazzo sul tetto, realizzato in posizione soprastante alla precedente in cui si trovavano un termo-
metro per la misura delle minime, un termometro per la misura delle massime, uno psicrometro, un
barometro, un pluviometro ed un anemometro. La strumentazione posta in questa torretta presentava
unaltezza sul suolo di 13 metri e le letture venivano eseguite alle ore 19:00. (Cortemiglia, 1999).
Dall11 marzo del 1972 la strumentazione di rilevamento dei dati venne trasferita in una capan-
nina meteorologica, sistemata nel sottostante giardino, con gli strumenti posti ad unaltezza di 1,5 m al
9
suolo, mantenendo la stessa metodologia di acquisizione delle temperature adottata dal 1 gennaio del
1961, mentre, per la quantit di pioggia giornaliera, lorario di inizio registrazione fu portato alle ore
9:00 (Cortemiglia, 1999). In questa posizione rimasta fino al 2003. Nel 1993 ARPA Piemonte ha instal-
lato una stazione meteorologica automatica nel giardino dellOsservatorio, in prossimit della stazione
meccanica; alla sua dismissione la stazione automatica, di fatto ha sostituito la vecchia strumentazione,
continuando ad oggi la raccolta dei dati meteorologici. Per quanto riguarda il periodo di digitalizzazione
dei dati (1933-2003), la stazione ha subito un solo spostamento, sia in quota che in direzione orizzontale.
1.2.3 Vercelli
Le prime osservazioni meteorologiche nellarea del vercellese furono proposte dai medici dellOspeda-
le Maggiore nel 1853 e hanno inizio, anche se in modo irregolare nel 1855; dal 1871 al 1909 si hanno
informazioni sulla presenza di osservazioni regolari, interrottesi per in questa data. Successivamente
dal 1927 vennero riprese le rilevazioni meteorologiche, ad opera dellUfficio Idrografico del Po, presso
il Liceo Ginnasio Lagrange situato a circa 400 metri a Est dellOspedale Maggiore. Nel 1932 fu instal-
lato un vero e proprio Osservatorio Meteorologico a Villarboit, 15 km a Nord-Nord-Ovest da Vercelli,
dove fu costruita appositamente una torretta per le osservazioni, elevata di circa 10 metri dal piano
campagna. Nel 1940 gli strumenti furono trasferiti da Villarboit alla Cascina Boraso, posta a quota
134 m s.l.m. e a circa 3 km da Vercelli, in aperta campagna. Gli strumenti utilizzati a Cascina Boraso
sono gli stessi utilizzati nella sede di Villarboit, sistemati alle stesse altezze dal suolo e nelle stesse po-
sizioni; dal 1940 la stazione non stata pi spostata, fino al 2003 data della sua dismissione. Le misure
pluviometriche dellOsservatorio Meteorologico sono state condotte attraverso un pluviografo SIAP e
controllate con un pluviometro totalizzatore giornaliero (Mercalli, 2004 e Cat Berro et al., 2004). Una
sintesi degli spostamenti della stazione meteorologica riportata in tabella 3.
Localit Longitudine E Latitudine N Quota [m s.l.m.] Periodo di attivit

Ospedale Maggiore 8 23 30 45 19 00 150 1871-1909
Liceo Ginnasio 8 25 00 45 19 00 130 1927-1939
Villarboit 8 19 59 45 27 30 175 1932-1939
Cascina Boraso 8 21 40 45 19 50 134 1940-2004
Tab. 3. Stazioni metereologiche di Vercelli dal 1871 al 2004 (Cat Berro et al., 2004).
Nel luglio 1993, a circa 1 km a Est della Cascina Boraso, alla periferia Ovest di Vercelli, stata in-
stallata una stazione meteorologica automatica, afferente alla rete Regionale e di competenza di ARPA
Piemonte, che misura la temperatura dellaria, le precipitazioni, lumidit, il vento e la radiazione sola-
re. Alla dismissione della stazione dellUfficio Idrografico ad oggi, questa nuova stazione automatica
che continua le rilevazioni meteorologiche, avendo verificato negli anni di sovrapposizione lomoge-
neit delle sue misure con quelle effettuate dalle precedenti.
I pluviogrammi digitalizzati per questa stazione, ovvero per gli anni 1927-2003 sono quelli deri-
vati dalla stazione dellUfficio Idrografico del Po, posta al Liceo Lagrange fino al 1939 e successivamen-
te, dal 1940, quelli della stazione a Cascina Boraso; quindi, la stazione di osservazione utilizzata stata
spostata una sola volta durante il periodo per il quale si sono digitalizzati e analizzati i dati.
10
1
1.2.4 Digitalizzazione
Dallanalisi dei dati digitalizzati, per quanto riguarda le piogge di breve durata, per tutte e quattro le
stazioni oggetto di studio, non si sono rilevate particolari influenze o effetti dovuti al cambiamento
nella posizione o nel sito della stazione di misura, o della sensibilit strumentale.
Il recupero dei dati cartacei disponibili per le quattro stazioni riportate in tabella 1, quindi stato
effettuato attraverso la loro digitalizzazione e validazione, al fine di ottenere lunghe serie continue di
dati di pioggia a passo temporale elevato.
Sono stati utilizzati programmi adatti alla conversione dei dati di pioggia da un formato cartaceo
a un formato digitale per recuperare in tempi rapidi la grande quantit di informazioni registrate sui
pluviogrammi.
I programmi utilizzati per la lettura automatica sono:
GetData Graph Digitizer (http://getdata-graph-digitizer.com)
Plot2Data: Software sviluppato dal CNR-ISAC per la digitalizzazione automatica di serie tem-
porali registrati su cartogrammi (Leonardi et al., 2006).
Tutte quelle strisce che per diversi motivi non potevano essere lette in modo automatico con nes-
suno dei due software scelti, sono state lette manualmente; ad esempio non stato possibile leggere
quelle non ben conservate, o che hanno presentato tracce di muffa oppure quelle con linee scolorite
dal tempo.
Sono stati riscontrati diversi tipi di modelli cartacei, tra cui:
Modello1: foglio settimanale, pluviografo a bascula con tic di 0,2 mm fondo scala 10 mm con
inversione del senso di tracciamento (Fig. 1).
Modello2: foglio singolo con durata variabile, pluviografo a bascula con tic di 1 mm, scala oriz-
zontale illimitata (entro il limite della carta), ritorno della penna ogni 24 ore con inversione del
senso di tracciatura (Fig. 2).
Modello3: foglio settimanale, avanzamento costante, fondo scala 10 mm con ritorno veloce
della penna a zero (Fig. 3).
Fig. 1. Modello 1 - Stazione Vercelli
Fig. 2. Modello 2 - Stazione Bra
11
Fig. 3. Modello 3 Stazione Pallanza
Sono stati riscontrati diversi fattori limitanti nella digitalizzazione dei dati:
la conservazione del supporto cartaceo rappresenta un fattore critico. Con il passare degli anni,
la carta si impolvera e si rovina, mentre le tracce sbiadiscono e diventano sempre meno leggibili;
a volte lo stato di conservazione di questo supporto non consente neanche la lettura ad occhio
del valore di precipitazione;
in alcuni casi le tracce presentano vuoti maggiori di due ore (settimanali in un cartogramma);
alcune tracce sono confuse con altre, a volte con i segni delloperatore e, si nota la presenza di
molti spot (macchie) ad esempio di inchiostro e/o di muffa;
inoltre si sono trovati casi di saturazione, ovvero segni vicinissimi di salita e discesa del pennino
sulla carta; fotocopie di pessime qualit, grandi macchie e doppie tracce (Fig. 4a-d);
in tutti questi casi il software automatico di lettura (Plot 2Data) non in grado di restituire va-
lori corretti e coerenti e risulta necessaria una lettura manuale.
Fig. 4a. Fotocopie pessime
Fig. 4b. Doppia traccia
Fig. 4c. Saturazione
Fig. 4d. Enorme macchia
12
1
1.3. Metodologia
La scelta della metodologia di analisi dei dati digitalizzati, stata fatta dopo una ricerca bibliografica
approfondita. LOrganizzazione Mondiale di Meteorologia (OMM o WMO) distingue le variazioni a
lungo termine in due grandi categorie o classi (Apadula e Cortesi, 2009), in altre parole in trend e in
change point. I segnali della prima classe si riferiscono a mutamenti caratterizzati da una graduale
crescita o decrescita del valor medio e/o della varianza, mentre quelli della seconda riguardano cam-
biamenti bruschi e permanenti di tali grandezze.
Le finalit del lavoro di analisi sono state quelle di individuare e valutare le eventuali variazioni
climatiche di alcuni aspetti specifici dei fenomeni piovosi, con particolare riguardo alle precipitazioni
molto intense, e di mettere in luce se i fenomeni di precipitazioni estreme siano aumentati nel corso
degli ultimi anni sia per quanto riguarda la frequenza degli eventi sia per quanto riguarda la loro in-
tensit.
Con il termine di trend si intende un andamento non stazionario privo di irregolarit accidentale,
che si evidenzia quando si considerano serie lunghe di dati. Il trend viene generalmente rappresentato
con una funzione matematica di tipo semplice, come, ad esempio, un polinomio o una funzione espo-
nenziale nel tempo.
In tutte le serie temporali sono sempre presenti delle irregolarit, di segno positivo e negativo
rispetto alla media del fenomeno, che sembrano prodotte da un comportamento di tipo aleatorio. Tale
componente si chiama casuale (Claps, 2002) ed assomma in s gli elementi di incertezza (o aleatoriet)
che caratterizzano i fenomeni naturali.
Esistono varie tecniche matematico/statistiche che permettono di valutare al meglio eventuali
trend di lungo periodo per gli eventi estremi; tra tali tecniche la scelta ricaduta sul test di Mann-
Kendall per la stima del livello di significativit del trend.
Tutte le serie storiche acquisite dopo la fase di digitalizzazione sono state analizzate con il test
non parametrico di Mann-Kendall, come descritto da Sneyers (1990), per individuare la presenza di
eventuali trend ed stato anche studiato il comportamento stagionale e annuale degli eventi estremi.
Il primo punto che stato necessario chiarire la definizione di ci che costituisce un evento
estremo: tale definizione risulta complessa in ambito scientifico, in quanto allinterno di categorie di
ragionamento tendenzialmente oggettive, un evento estremo pu essere selezionato in base o al supe-
ramento di una certa frequenza, o intensit o soglia oppure rispetto agli impatti fisici previsti (Ntegeka
e Willems, 2008). In sostanza, tale definizione dipende dalla finalit duso con cui si valuta levento
estremo, soprattutto in ambito di progettazione e programmazione.
Volendo dare una definizione pi completa di un evento estremo, si pu utilizzare quella del
Long Term Ecological Research Network (LTER) degli Stati Uniti (Apadula e Cortesi, 2009), secondo
la quale gli eventi estremi sono fenomeni rari nella frequenza, intensit e/o durata, per una singola
variabile o per una combinazione di grandezze meteorologiche, in un particolare ambiente e/o ecosi-
stema. La capacit di riconoscere e di individuare gli eventi estremi quindi fortemente dipendente
dalla lunghezza e dallaffidabilit delle serie osservative di variabili meteorologiche a disposizione.
Per poter quindi identificare ed isolare gli eventi estremi avvenuti durante gli anni di osservazione
analizzati, si sono utilizzati due indicatori di tali eventi: a) lindicatore di frequenza e di intensit e b) i
picchi oltre la soglia (POT Peaks Over Threshold).
13
1.3.1. Indici di eventi estremi

Oltre ai valori massimi annuali e stagionali, per valutare gli indicatori di frequenza ed intensit di
cui sopra, sono stati calcolati per ogni anno due indici di precipitazioni estreme (Haylock e Nicholls,
2000):
1) il numero di eventi che superano il 95esimo percentile, che fa riferimento allindicatore di frequenza
2) lintensit media di pioggia caduta durante gli eventi pi estremi, che rappresenta lindicatore di
intensit.
Lindicatore di frequenza esamina i cambiamenti che riguardano il numero di eventi estremi.
Per il calcolo di questo indice, si scelto di utilizzare il 95esimo percentile (che varia per ogni stazione),
anzich seguire il metodo di Karl et al. (1995) che ha adottato una soglia fissa per tutte le stazioni. Infatti,
una soglia fissa poco pratica per le stazioni oggetto di studio, in quanto derivano da aree diverse,
caratterizzate da una elevata variazione di intensit di pioggia. Lindice di frequenza determinato
contando il numero di eventi in un anno con intensit maggiore del 95esimo percentile. Questapproccio
simile a quello utilizzato da Karl e Knight (1998) che ha considerato i cambiamenti nelle frequenze
o le probabilit di eventi estremi che superano un fissato percentile. E stato dimostrato (Karl e
Knight,1998) che gli aumenti delle precipitazioni totali sono fortemente influenzati da un aumento
della frequenza e dellintensit delle precipitazioni estreme, e che la percentuale di precipitazione
totale annua, derivata da episodi di eventi intensi ed estremi, aumentata. Riassumendo, per quanto
riguarda le caratteristiche climatiche degli eventi estremi, si adottato la convenzione di considerare
estrema la precipitazione che, nella scala ordinata in senso crescente dei valori misurati, supera il
95esimo percentile, vale a dire quella che si presenta con frequenza minore del 5%, per ognuna delle
scale temporali da 5 minuti a 12 ore per tutte le stazioni eccetto Bra, che ha dati su base temporale a
partire da unora.
Lindicatore dintensit rappresenta i cambiamenti nella media di tutti gli eventi superiori al per-
centile scelto. Questo indice stato calcolato utilizzando due metodi differenti:
1) la media dei quattro eventi pi grandi in termini di altezza di precipitazione per ogni anno;
2) la media di tutti gli eventi maggiori del 95esimo percentile.
Per ciascuna scala temporale stato considerato landamento nel tempo di questi indici di eventi
rari, calcolando la retta di trend. La valutazione della significativit del trend, calcolato sulla base di un
lungo periodo per gli eventi estremi, stata ricavata usando il test di Mann-Kendall
1.3.2 Test di Mann-Kendall

Il metodo di Mann-Kendall molto utilizzato in idrologia e climatologia per verificare la presenza
di trend soprattutto per la sua robustezza rispetto allinfluenza dei valori estremi e per la presenza in
tali serie di distribuzioni di frequenza non necessariamente di tipo normale (Capra et al. 2011).
Questo test definisce (Camuffo e Pagan, 2005):
i) quando un trend significativo;
ii) il suo segno;
iii) dove orientativamente questo segno inizia, se allinizio o dove allinterno della serie.
Ipotesi del test: H0 - assenza di una tendenza nella serie dei dati
H1 - presenza di una tendenza
14
1
Sia x1.....xn una serie di dati.

Per ogni elemento xi della serie si determina il numero ni di elementi che lo precedono, tali che
xi> xj
la funzione di distribuzione di t pari a t = n i asintoticamente normale con media e varianza
i
pari a:
n ( n 1) n ( n 1) ( 2n + 5)
E(t) = e var(t) =
4 72
Statistica del test:
u(t) =
[t E(t)]
var(t)
Il test verifica lipotesi nulla (H0) di assenza di tendenza, associando ai valori di u(t) ricavati per
ciascuna serie, un valore di probabilit a1 che rappresenta proprio la significativit dellipotesi nulla:
1 = P ( u > u(t) )
La verifica della presenza di una tendenza avviene quindi in maniera indiretta, per rifiuto del-
lH0, quando la significativit a1 della serie esaminata risulta inferiore alla soglia di accettazione a0
(a1 < a0), assunta in questo caso pari a 0,05. La direzione del trend, negativa o positiva, viene data
dal segno delle variabili u(t).
1.3.3. Peaks-Over-Threshold (POT)

Lo strumento pi utilizzato per modellizzare gli eventi pi elevati la teoria dei valori estremi. Allin-
terno di questa teoria il metodo pi comunemente usato il conteggio dei superamenti di una certa
soglia (vedere il 95esimo percentile discusso al paragrafo 1.3.1) o dei picchi oltre la soglia, chiamato
anche POT dallinglese Peaks Over Threshold (Davison e Smith, 1990). Inizialmente questo metodo
stato sviluppato per lanalisi dei dati idrogeologici ma a partire dalla seconda met degli anni 70 ha
trovato una sempre maggiore applicazione in pi campi.
I valori di precipitazione oltre una certa soglia, opportunamente selezionati, saranno modellati
tramite GPD (Generelized Pareto Distribution). Lapproccio Peaks-Over-Threshold (POT) una tec-
nica che sfrutta il fatto che la distribuzione delle eccedenze ha propriet asintotiche simili a quelle delle
distribuzioni dei valori estremi come la GPD e che non considera solamente i valori massimi annuali.
Questo fatto permette di utilizzare il metodo anche in presenza di un minor numero di osser-
vazioni e per questo spesso preferibile ad altri. Lintervallo di attesa (o separazione) tra due eventi
piovosi indipendenti successivi stato stimato in 12 ore (Ntegeka e Willems, 2008).
Un primo problema che riguarda la modellizzazione degli eventi estremi con il metodo dei POT
la scelta del valore soglia. Il valore del Threshold selezionato, infatti, influenza il valore stimato del
parametro di forma della distribuzione GPD.
In particolare, questa quantit devessere grande abbastanza in modo da poter considerare estre-
me le osservazioni superiori ad essa: scegliere una soglia u(t) troppo piccola implicherebbe stime
distorte degli altri parametri (Coles, 2001).
Daltra parte, la scelta di una soglia u(t) troppo alta implicherebbe un minor numero di osserva-
zioni con cui stimare i parametri della GPD, e quindi una maggiore variabilit delle stime. Nella prati-
15
ca, il metodo che stato adottato per la scelta di questa soglia parte dalla stima dei due parametri della
distribuzione GPD per diversi valori di essa, e arriva ad osservare landamento della distribuzione, cos
da stabilire se il valore soglia scelto corretto oppure no.
I suddetti parametri presenti nellespressione che definisce la GPD sono:
1) il parametro di scala che rappresenta la dispersione della distribuzione
2) il parametro di forma.
Questi due parametri sono stati stimati usando il metodo degli L-moments (Hosking JRM and
Wallis JR. 1997).
Le elaborazione sono state effettuate tramite lo strumento di statistica: R Development Core Team
(http://www.r-project.org/).
1.4. Analisi dei risultati
Come indicato in precedenza, sono stati adottati diversi indici per lanalisi delle lunghe serie storiche
di precipitazioni, dato che non esiste un indice unico in grado di verificare e descrivere in modo com-
pleto i cambiamenti nelle serie temporali di eventi estremi. Le stagioni sono state definite secondo la
definizione standard: inverno (dicembre, gennaio, febbraio), primavera (marzo, aprile, maggio), esta-
te (giugno, luglio, agosto), autunno (settembre, ottobre, novembre). Per ogni stazione pluviometrica
sono stati calcolati i diversi indici per la valutazione degli eventi estremi e ciascun indice poi stato
sottoposto al test statistico di Mann-Kendall.
1.4.1 Massimi annuali

Per quanto riguarda i massimi annuali, dallanalisi dei dati si ricavato che lunica tendenza significa-
tiva quella dellaumento della precipitazione massima annua, registrata nella stazione di Bra per una
durata di 12 ore (Fig. 5). Per le altre scale temporali e per tutte le stazioni studiate, landamento non
significativo.
Fig. 5. Media mobile a 5 anni, del massimo annuale:

precipitazione di durata 12 ore (stazione di Bra).
16
1
1.4.2 Massimi stagionali

Per quanto riguarda i massimi stagionali e per le precipitazioni a scala sub oraria, landamento
delle precipitazioni non risulta caratterizzato da trend particolarmente significativi, se non una ten-
denza crescente del massimo primaverile per le stazioni di Bra e Lombriasco (Tab. 4, Fig. 6).
Durata Pallanza Vercelli Lombriasco Bra

1 ora NS NS NS NS
2 ore NS NS NS NS
3 ore NS NS + +
6 ore NS NS + +
12 ore NS NS NS +
NS: non significativo
Tab. 4. Risultati dellapplicazione del test di Mann-Kendal per i massimi primaverili.
Fig.6. Media mobile di 5 anni del valore massimo di precipitazione primaverile per la stazione di Bra: durata (sx) 3 ore (b)
e 6 ore (dx) 12ore
1.4.3 Indicatore di frequenza

Per quanto riguarda lindicatore di frequenza, nella stazione di Pallanza, lunica scala temporale che
presenta un incremento significativo quella di 30 minuti. Tutte le altre stazioni non hanno registrato
nessun cambiamento nellindicatore di frequenza per le scale temporali minori di unora. Per la sta-
zione di Vercelli lindicatore di frequenza ha definito un incremento significativo solo per eventi di
durata di unora.
Le stazioni di Bra e Lombriasco sono quelle dove si sono registrate delle tendenze simili per quan-
to riguarda lindicatore di frequenza; probabilmente questo pu essere dovuto alla relativa vicinanza
delle due stazioni (Fig. 7).
17
Fig. 7. Media mobile di 5 anni dellindicatore di frequenza per le precipitazioni di durata 3ore: Bra (sx), Lombriasco (dx)
1.4.4 Indicatore di intensit

Relativamente allindicatore di intensit, nella stazione di Vercelli non stato registrato nessuna
tendenza significativa per tutte le scale temporali.
La stazione di Pallanza ha mostrato un aumento significativo dellindicatore di intensit estre-
ma per la durata di 30 minuti: stesso risultato per lindicatore di frequenza (vedi paragrafo 1.4.3).
Questo aumento nellintensit e nella frequenza di eventi di pioggia con scala temporale sotto lora
dovuto al fatto che la stazione di Pallanza si trova nel bacino imbrifero del lago Maggiore caratteriz-
zato mediamente da una elevata piovosit, 1662 mm medi annui (Ciampittiello et al., 2011) contro
la media annua del territorio piemontese variabile tra i 921 mm e i 1094 mm (http://www.arpa.
piemonte.it/rischinaturali/approfondimenti/clima/clima-piemonte/intro.html) e quindi caratteriz-
zata da una presenza significativa anche degli eventi estremi, in netta crescita, soprattutto quelli di
breve durata.
Lunica tendenza al decremento stata registrata nella stazione di Bra per la precipitazione di
durata pari a unora (Fig. 8).
Fig. 8. Media mobile a 5 anni dellindicatore di intensit:

precipitazione di durata unora (stazione di Bra)
18
1
1.4.5 Peaks over threshold

Per lo studio degli eventi estremi, si applicato anche il modello POT ai dati pluviometrici raccolti,
al fine di analizzare le modifiche della curva di crescita degli ultimi venti anni, rispetto a tutti i dati
della serie temporale delle precipitazioni brevi ed intense a disposizione (le curve di crescita sono
esaminate con il metodo degli L-moments). Come riportato in precedenza, i POT dei valori estremi
sono stati estratti utilizzando il software R (http://www.r-project.org/).
Dovendo lavorare su lunghe serie temporali importante selezionare solo gli eventi indipen-
denti tra loro: il criterio di indipendenza si basa su una procedura di estrazione del valore di POT di
precipitazione, simile a quella di estrazione dei POT per i flussi (Ntegeka e Willems, 2008). Il crite-
rio di indipendenza per gli eventi di pioggia considera che due eventi consecutivi sono indipendenti
se loccorrenza di un evento non influenza laltro. Ntegeka e Willems (2008) hanno proposto per
lanalisi del valore estremo basato sulle serie di precipitazioni, un minimo di 12 ore come tempo
di inter-evento, considerando cos due eventi che accadono nello stesso giorno o di notte come un
unico evento.
Inizialmente si scelta una soglia relativamente bassa, per poter estrarre pi eventi, cos da
poter selezionare successivamente una soglia ragionevole per lapprossimazione asintotica del GPD;
in questo modo alcuni eventi inizialmente scelti, non risultano estremi nel senso stretto del termine.
Un esempio della procedura adottata riportata qui di seguito. Dalla figura 9 si evince che la scelta
di un valore soglia di 10 mm potrebbe essere ragionevole, per la serie di unora di precipitazione per
la stazione di Vercelli. La soglia selezionata deve essere sufficientemente bassa per avere abbastanza
eventi di cui sopra, per ridurre la varianza, ma nello stesso tempo non troppo bassa per non aumen-
tare troppo il bias, ovvero la differenza tra il valore stimato e quello reale. Ri-estraendo gli eventi
maggiori della soglia di 10 mm si va a verificare la correttezza o meno della scelta iniziale.
Fig. 9. Selezione del Threshold per le precipitazioni di durata di unora (Vercelli)
19
La figura 10 mostra lesame diagnostico, rappresentato dal grafico, del modello GPD adottato. Si
pu notare che in questo caso la soglia scelta sembra appropriata.
Fig. 10. Grafico diagnostico (precipitazione di unora stazione di Vercelli)
La tabella 5 mostra le soglie selezionate per la stazione di Vercelli e per le diverse durate temporali
utilizzate per le analisi. Questi valori rappresentano il punto di partenza per il calcolo della serie POT
per ogni scala temporale.
Scala temporale (ora) 1 2 3 6 12

Soglia (mm) 10 13 15 25 34
Tab. 5. Esempio di soglia oltre la quale sono state calcolate le serie POT: stazione di Vercelli.
Le serie POT estratte dai dati di precipitazione raccolti nelle diverse stazioni con alta risoluzione
(5, 10, 15, 20, 30 minuti e 1, 2, 3, 6, 12 ore) sono state utilizzate per produrre curve di crescita attraver-
so una distribuzione dei valore estremi (GPD nel nostro caso).
stato quindi fatto un confronto tra le curve di crescita generate dalle serie POT, ricavate dalla
lunga seria storica, e quelle che fanno riferimento agli ultimi venti anni.
Esaminando la curva di crescita si visto che essa si accentuata ed i recenti eventi di precipita-
zione brevi ed intensi sono aumentati nel corso degli ultimi venti anni (1984-2003), rispetto alla serie
storica esaminata (1927-2003 per quanto riguarda Vercelli), nel caso di una scala temporale minore
20
1
di unora. Questo andamento molto pi evidente nella stazione di Lombriasco (Fig.11) rispetto alla
stazione di Vercelli (Fig. 12).
Pi la scala temporale diventa grande, ovvero maggiore la durata degli eventi, pi questi, rispet-
to agli ultimi venti anni, cominciano ad avvicinarsi agli eventi ricavati per la serie storica utilizzata,
fino ad arrivare a una scala di 12 ore, dove si nota un decremento di questi eventi recenti rispetto al
passato (Fig. 13).
Fig. 11. Cambiamento negli eventi estremi rispetto agli ultimi venti anni: stazione di Lombriasco per durate: 5 min (sx) e 10 min (dx)
Fig. 12. Cambiamento negli eventi estremi rispetto agli ultimi venti anni: stazione di Vercelli per durate: 5 min (sx) e 10 min (dx)
Fig. 13. Diminuzione degli eventi estremi rispetto agli ultimi 20 anni: stazione di Vercelli (sx) e Bra (dx) per durate di 12 h.
21
1.5 Conclusioni
La parte iniziale del lavoro stata quella di raccogliere le serie storiche attraverso la digitalizzazione
dei dati dal formato cartaceo; si poi proceduto alle analisi statistiche sulle serie temporali ottenute,
con dettaglio orario e sub-orario dove possibile, al fine di analizzare landamento degli eventi di breve
durata e forte intensit, che giocano un ruolo fondamentale nei processi di instabilit di versante, nella
formazione delle colate detritiche, nelle piene improvvise e nella globale gestione della risorsa idrica
e del territorio.
Le analisi dei trend degli eventi estremi, eseguite usando il test di Mann-Kendall e il calcolo di
alcuni indici di eventi climatici estremi, hanno dato i seguenti principali risultati:
su base annua, la precipitazione massima annuale stazionaria per tutte le stazioni studiate e
per tutte le durate eccetto per la stazione di Bra, dove stato registrato un aumento con una
scala temporale di 12 ore;
su base stagionale, si rilevata una crescita delle precipitazioni intense primaverili per le stazio-
ni di Lombriasco e Bra, stazioni abbastanza vicine tra loro rispetto alle altre due;
nella maggior parte dei casi, il segno positivo del trend dellindice di intensit estrema, corri-
sponde alla tendenza del massimo primaverile;
per la stazione di Pallanza lunica scala temporale che presenta un incremento significativo
quello di trenta minuti per quanto riguarda lindice di intensit. Questo dovuto al fatto che si
verificato che gli eventi intensi in questa zona, sono generalmente molto brevi in termine di
durata;
le stazioni di Bra e Lombriasco sono quelle con tendenze simili per quanto riguarda lindicatore
di frequenza, probabilmente legato alla vicinanza geografica delle due stazioni;
lunica tendenza al decremento stata registrata nella stazione di Bra per le precipitazioni di
durata di unora.
Le serie POT estratte dai dati di precipitazione raccolti nelle diverse stazioni sono servite alla
stima della curva di crescita per ogni stazione e per ogni scala temporale. Le curve cos ottenute
mostrano che gli eventi brevi di precipitazione sono aumentati nel corso degli ultimi venti anni per
scale temporali basse, ovvero da 5 a 60 minuti. Pi la scala temporale aumenta, per, pi questi eventi
risultano diminuire rispetto al passato.
22
2
2. Raccordo tra serie derivanti da strumenti

meccanici ed automatici
2.1. Obiettivi
I dati di precipitazioni in Piemonte sin dallinizio del secolo scorso sono stati raccolti da stazioni di
misura in parte automatiche ed in parte meccaniche gestite dal Servizio Idrografico e Mareografico
Nazionale SIMN, costituito nel 1913, e pubblicati in Annali Idrologici. Ragioni di innovazione tec-
nologica e di economicit, hanno portato alla progressiva dismissione degli strumenti di misura gestiti
dal SIMN, ormai obsoleti, con strumenti pi moderni, completamente automatici ed elettronici, in
grado di fornire misure in tempo reale con elevato dettaglio temporale.
A partire dal 1988 presente sul territorio piemontese una rete meteoidrografica automatica,
gestita inizialmente dai Servizi Tecnici di Prevenzione della Regione Piemonte e, dal 2003, da ARPA
Piemonte. Sono pertanto disponibili dati di pluviometria dagli inizi del secolo scorso, ma provenienti
dalle due diverse reti di monitoraggio meteorologico: la rete SIMN, con dati rilevati fino al 2002 e la
rete delle stazioni automatiche dellArpa Piemonte, che forniscono informazioni a partire dal 1987.
La rete automatica in telerilevamento risulta oggi costituita da circa quattrocento stazioni di misura.
Al fine di poter effettuare raffronti e valutazioni, oggi molto attuali per la definizione del cam-
biamento climatico, di trend e scenari futuri, che si avvalgano di tutte le misure disponibili a partire
dagli inizi del secolo scorso, necessario esaminare lomogeneit delle serie di misure acquisite dopo i
cambiamenti di strumentazione e, per alcuni casi, di sito.
Si posta cos la questione relativa alla valutazione della correttezza di unire serie di dati consecu-
tive nel tempo ma provenienti da strumentazioni diverse. A tal fine, sono state ricercate e individuate
localit sul territorio regionale, nelle quali fossero presenti in contemporanea sia le stazioni meteo-
rologiche manuali che quelle automatiche in modo da analizzare limpatto, dovuto alla variazione di
strumentazione e di sito, sulle misure acquisite.
Sulle localit, distribuite nel modo pi omogeneo possibile sul territorio regionale, stato effet-
tuato un confronto tra le misure acquisite dalle due differenti strumentazioni, nel periodo di sovrap-
posizione delle registrazioni.
Attraverso questo confronto, sono state individuate le coppie di stazioni idonee al collegamento
delle due serie per le analisi climatiche sullintero periodo coperto dalle misure strumentali.
Per il confronto dei dati della rete del Servizio Idrografico e Mareografico Nazionale, di seguito
indicata come SIMN, con quelli della rete ARPA Piemonte sono state individuate 26 localit, in cui
hanno funzionato contemporaneamente stazioni meteorologiche di entrambe le reti, dotate di uno
strumento per la registrazione delle precipitazioni, e di cui si hanno periodi di sovrapposizione tra le
misure (Tab. 1, Fig. 1).
23
Localit Quota Differenza Distanza Periodo

SIMN quota [m]
[m s.l.m.] [m s.l.m.]
Ala di Stura (TO) 1006 36 70 19932003
Alagna Valsesia (VC ) 1215 19 2500 20012002
Asti (AT) 158 41 2350 19882003
Bardonecchia (TO) 1250 97 800 1991-2003
Biella (BI) 412 7 300 20012003
Boves (CN) 590 15 1240 19882003
Bra (CN) 290 5 15 19932003
Carcoforo (VC) 1150 140 2500 19972003
Casale M.to. (AL) 113 5 20 19882000
Ceresole Reale Lago Serr (TO) 2260 44 920 19962003
Cumiana (TO) 289 38 2800 19882003
Lanzo (TO) 540 40 2200 19891999
Locana - L.Valsoera (TO) 2410 45 250 1987-2003
Luserna S. Giovanni (TO) 478 1 760 19882003
Mondovi (CN) 440 18 390 19932003
Oropa (BI) 1180 6 5 19912002
Piedicavallo (BI) 1050 10 180 19962003
Salbeltrand (TO) 1031 21 1250 19912002
Sparone (TO) 635 85 1400 20012003
Susa (TO) 510 10 820 19912003
Torino (TO) 270 30 850 19902003
Tricerro (VC) 140 1 140 20012003
Usseglio Malciaussia (TO) 1813 13 395 20002003
Valprato Soana Piamprato (TO) 1550 5 465 19931999
Varallo Sesia (VC) 453 17 2040 19892003
Vercelli (VC) 135 3 1360 19942003
Tab. 1. Localit per le quali stato svolto il confronto tra le serie di dati di precipitazione del SIMN e dellARPA: quota delle due
stazioni (m s.l.m.), differenza altimetrica assoluta tra di esse (m), loro distanza (m) e periodo di sovrapposizione tra le misure.
24
2
Fig. 1. Localit in cui stato svolto il confronto dei dati di precipitazione tra le stazioni meteorologiche SIMN e quelle ARPA.
2.2. Confronto tra gli strumenti delle due reti meteorologiche
Prima di affrontare lo studio sul confronto tra i dati, lattenzione stata rivolta alla caratterizzazione
degli strumenti utilizzati dalle due reti, mettendo in evidenza le differenze di strumentazione, di me-
todi di registrazione ed acquisizione del dato.
Le stazioni SIMN sono di tipo meccanico e richiedono la presenza di un rilevatore per la raccolta
dei dati. In una sola stazione (Piedicavallo) presente un pluviometro standard (misurazione manuale
giornaliera), mentre nelle restanti centraline sono installati pluviografi registratori: la registrazione av-
viene su diagrammi cartacei, ritirati a cadenza settimanale e letti per la trascrizione manuale dei valori
che richiedono una manutenzione settimanale per il cambio della carta diagrammale.
Nel caso delle misure dellARPA Piemonte, il principio di funzionamento del pluviometro il
medesimo di quello delle stazioni SIMN (vaschette basculanti). Lacquisizione delle misure avviene in
teletrasmissione da stazioni automatiche.
25
Fig. 2. A sinistra foto del pluviografo utilizzato dal Servizio Idrografico e Mareografico Nazionale, SIMN; a destra foto del pluviometro
utilizzato dallARPA Piemonte nella stazione di Varallo Sesia.
I dati acquisiti dalle due reti di rilevamento possono essere affetti da errori di tipo diverso a causa
delle differenze strumentali. Quelli della rete manuale possono contenere errori di acquisizione, legati
alla strumentazione, errori nella fase di trascrizione manuale dei dati e nel successivo passaggio degli
stessi dal formato cartaceo a quello digitale.
I dati di ARPA, invece, possono contenere errori di acquisizione, generalmente individuati trami-
te un controllo automatico che attribuisce un flag di validazione a ciascun valore.
Stazioni meteorologiche di Vercelli(VC) Stazione del SIMN Stazione dellARPA

Piemonte
Nome e codice stazione Vercelli Staz. risicoltura Vercelli (cod. 198)
Comune Vercelli (VC) Vercelli (VC)
Localit Staz. risicoltura Casello Ruggerina
Bacino Sesia Sesia
Quota (m s.l.m.) 135 132
Latitudine Nord (gradi) 45 19 50 45 19 32
Longitudine Est (gradi) 8 21 40 8 23 26
Coordinata UTM X (m) 319738 452237
Coordinata UTM Y (m) 4994608 5019386
Misura precipitazioni(inizio funzionamento - tipo 1927 - pluviografo 17/06/1993 - pluviografo
sensore)
Misura precipitazioni (fine funzionamento) 2003 Attiva
Misura temperature (inizio funzionamento - tipo 1927 termografo 17/06/1993 - termografo
sensore)
Misura temperature (fine funzionamento) 2003 Attiva
Distanza tra le due stazioni (m) 1360
Differenza di quota tra le due stazioni (m) 3
Periodo di sovrapposizione Precipitazione 1994 2003
Periodo di sovrapposizione Temperatura 1994 - 2003
Tab. 2. Caratteristiche e ubicazione delle due stazioni meteorologiche installate a Vercelli
26
2
Al fine di individuare eventuali anomalie nella registrazione della variabile durante gli anni di
funzionamento e reperire informazioni dettagliate sulle centraline stata effettuata unaccurata ricerca
storica sulle stazioni meteorologiche appartenenti ai due Enti.
Successivamente per ogni localit selezionata stata creata una scheda tecnica con ubicazione
delle stazioni meteorologiche, bacino di appartenenza, quota, differenza di quota, distanza tra le sta-
zioni, periodi di funzionamento ed anni di sovrapposizione delle misure. Inoltre la posizione delle
stazioni meteorologiche di ciascun sito visualizzabile anche su cartografie a diverso dettaglio, mentre
la documentazione fotografica completa il quadro delle informazioni raccolte. A titolo desempio sono
riportate le schede tecniche delle stazioni di Vercelli (Tab. 2, Fig.3 e 4) e di Bra (Tab. 3, Fig.5 e 6).
Fig. 3. Carta della localizzazione delle due stazioni meteorologiche di Vercelli.
Fig. 4. A sinistra: stazione meteorologica SIMN di Vercelli; a destra: stazione meteorologica ARPA Piemonte di Vercelli.
27
Stazioni meteorologiche di Bra (CN) Stazione del SIMN Stazione dellARPA

Piemonte
Nome e codice stazione Bra Bra (cod: 317)
Comune Bra (CN) Bra (CN)
Localit Museo Craveri Museo Craveri
Bacino Tanaro Tanaro
Quota (m s.l.m.) 290 285
Latitudine Nord (gradi) 44 42 44 42 08
Longitudine Est (gradi) 4 36 W M.M. 07 51 09
Coordinata UTM X 409097 409096
Coordinata UTM Y 4950593 4950597
Misura precipitazioni (inizio funzionamento - tipo 1933 - pluviografo 05/05/1993 pluviometro
sensore)
Misura precipitazioni (fine funzionamento) 2003 Attiva
Misura temperature (inizio funzionamento - tipo 1862 termometro 05/05/1993 - termometro
sensore)
Misura temperature (fine funzionamento) 2003 Attiva
Distanza tra le due stazioni (m) 20
Differenza di quota tra le due stazioni (m) 5
Periodo di sovrapposizione Precipitazione 1993 2003
Periodo di sovrapposizione Temperatura 1993 2003
Tab. 3. Caratteristiche e ubicazione delle due stazioni meteorologiche installate a Bra.
Fig. 5. Carta della localizzazione delle due stazioni meteorologiche di Bra (CN).
28
2
Fig. 6. A sinistra: stazione meteorologica SIMN di Bra; a destra: stazione meteorologica ARPA Piemonte di Bra.
2.3. Metodi di analisi e di confronto dei dati pluviometrici
In accordo con la letteratura scientifica nazionale (Biancotti, 1990) ed internazionale (Wijngard, 2003),
il confronto tra le serie di dati di precipitazione stato svolto sui totali mensili, per ovviare al fatto che
il valore di precipitazione giornaliera spesso nullo, essendo la pioggia una grandezza discontinua.
Nel calcolo dei totali mensili sono stati presi in considerazione soltanto i mesi con la registrazione
di almeno l80% dei dati giornalieri (Klein Tank, 2002; Gokturk et al., 2008). I valori ottenuti per le due
serie sono stati confrontati tra di loro, calcolandone il rapporto:
Pmensile [SIMN]
R=
Pmensile [ARPA]
Dalla serie dei rapporti sono stati esclusi i valori estremi, eliminando le code della distribuzione
che risultano inferiori al 2 percentile e superiori al 98 percentile. La definizione di percentile per-
mette di stabilire la percentuale di valori al di sotto di una certa soglia e anche la percentuale tra le
due soglie. I valori compresi tra il 2 e il 98 percentile corrispondono al 96% dei valori scartando in
questo modo solo il 4% dei dati corrispondenti ai valori estremi posizionati nellestremit delle code
della distribuzione (Wilks, 2006).
Alle serie ottenute sono stati applicati i test statistici di Student e di Kolmogorov-Smirnov che,
richiedendo la presenza di un minimo di trentasei valori nella serie, hanno ridotto a venti il numero
dei casi studiati. Si sono quindi calcolati i coefficienti di correlazione delle serie mensili.
I dati di precipitazione sono stati analizzati anche a livello stagionale e annuale e confrontati con
la stessa metodologia impiegata per le serie mensili.
In tutte le localit i coefficienti di correlazione (Tab. 4) assumono valori superiori a 0,90, tranne
nella localit di Valprato Soana (0,86). Tali coefficienti indicano che generalmente gli strumenti regi-
strano gli stessi andamenti durante i diversi eventi piovosi.
Nella maggior parte delle localit lo strumento del SIMN a misurare una quantit di pioggia pi
elevata; soltanto in tre localit (Asti, Lanzo e Torino) si verifica la situazione opposta.
In undici delle ventuno localit il rapporto medio tra le precipitazioni dei due strumenti risulta
compreso tra 0,9 e 1,1 (Tab. 4), indicando una buona continuit tra le due serie di dati; anche lappli-
29
cazione del test di Kolmogorov-Smirnov (K-S test) ha fornito una buona relazione tra la distribuzioni
delle due serie.
Nelle restanti dieci localit confrontate, invece, i test statistici hanno fornito esiti negativi (Tab. 4).
In generale il confronto dei dati a livello annuale e stagionale ha permesso di individuare periodi
di tempo in cui le misure dei due strumenti si differenziavano maggiormente; in alcuni casi, tramite
lanalisi dei dati di precipitazione registrati in stazioni limitrofe, stato possibile ipotizzare casi di mal
funzionamento di uno dei due strumenti.
Localit [SIMN/ARPA] K-S test Coeff. Corr.

[mm]
Ala di Stura (TO) 1,14 0,93 0,94
Bardonecchia (TO) 1,04 0,99 0,95
Boves (CN) 1,27 0,07 0,91
Bra (CN) 1,28 0,45 0,95
Carcoforo (VC) 1,21 0,44 0,97
Casale Monf. (AL) 1,31 0,35 0,95
Ceresole Reale (TO) 1,03 1 0,93
Cumiana (TO) 1,06 0,86 0,92
Lanzo T.se (TO) 0,80 0,7 0,95
Locana L. Valsoera (TO) 1,37 0,12 0,91
Luserna S.G. (TO) 1,02 0,78 0,93
Mondov (CN) 1,15 0,48 0,94
Oropa (BI) 1,22 0,62 0,99
Piedicavallo (VC) 1,02 1 0,98
Salbertrand (TO) 1,06 0,69 0,92
Susa (TO) 1,03 0,99 0,97
Torino (TO) 0,96 0,85 0,98
Valprato Soana (TO) 1,05 0,84 0,86
Varallo Sesia (VC) 1,09 0,96 0,95
Vercelli (VC) 1,06 0,97 0,95
Tab. 4. Risultati ottenuti dal confronto tra le serie delle precipitazioni mensili. Le localit nelle quali si ottenuto un buon andamento
tra le precipitazioni (differenza minore del 10% e K-S test maggiore di 0,50) sono state evidenziate con un pallino ().
Il confronto tra le serie ha consentito di individuare undici localit in cui si riscontrata una dif-
ferenza tra i dati non significativa dal punto di visto statistico. Il rapporto medio tra le precipitazioni
dei due strumenti risulta essere compreso tra 0,90 e 1,10, indicando che tra i totali di precipitazione
mensile esiste una differenza inferiore al 10%.
Lapplicazione del test statistico di Kolmogorov-Smirnov conferma che per queste undici localit
le due serie di dati possono essere considerate omogenee, derivanti dalla stessa popolazione. A titolo
di esempio, si riportano i grafici che illustrano e confrontano tra loro le due diverse situazioni otte-
nute: il caso in cui il confronto tra i dati non ha fornito buoni risultati, come a Locana L. Valsoera
(Fig. 7) e a Boves (Fig. 8), e il caso di localit, Bardonecchia (Fig. 9), la cui differenza tra le due serie
minore del 10%. Nelle localit di Locana L. Valsoera e Boves si calcola una differenza media an-
nua superiore al 30% (Fig. 7 e 8), mentre a Bardonecchia il rapporto medio annuo di 1,0 ed anche i
30
2
singoli rapporti annuali sono prossimi a 1, ad eccezione dellanno 1991. Studiando in dettaglio i valori
giornalieri registrati dalle due stazioni meteorologiche nellanno 1991 si osserva come lo strumento
ARPA nella stagione estiva non abbia registrato alcun evento precipitativo. Si cercato di indagare
sulla causa, prendendo in considerazione i dati giornalieri di pioggia e confrontandoli con quelli delle
stazioni limitrofe. Per Bardonecchia sono stati quindi utilizzati i dati della stazione di Salbertrand e si
constatato il malfunzionamento dello strumento ARPA (Fig. 10).
Fig. 7. A sinistra: precipitazioni annuali e cumulate di Locana L. Valsoera; a destra: rapporto tra i valori di precipitazione annuale di
Locana L. Valsoera.
Fig. 8. A sinistra: precipitazioni annuali e cumulate di Boves; a destra: rapporto tra i valori di precipitazione annuale di Boves.
Fig. 9. A sinistra: precipitazioni annuali e cumulate di Bardonecchia; a destra: rapporto tra i valori di precipitazione annuale di
Bardonecchia.
31
Fig. 10. Confronto tra i dati giornalieri di pioggia della localit di Bardonecchia e quelli della vicina stazione di Salbertrand.
Per le undici localit, nelle quali il confronto tra le due serie di dati di precipitazione ha mostrato
differenze inferiori al 10%, stata valutata la possibilit di costruire una serie unica di dati. Osservan-
do i risultati ottenuti dal confronto e valutando la presenza di lacune allinterno di ogni singola serie,
per ciascuna delle undici localit stato individuato un possibile anno di collegamento tra la serie del
SIMN e la serie ARPA, che permetta la fruibilit di serie pi lunghe e complete, senza modificare il
reale andamento delle precipitazioni nel corso degli anni (Tab. 5). A titolo di esempio, si illustra gra-
ficamente un caso di collegamento delle serie di dati di precipitazione, riferito alla localit di Susa e
Piedicavallo (Fig. 11, 12).
Localit Anno
Bardonecchia (TO) 2002
Ceresole Reale (TO) 1999
Cumiana (TO) 1993
Luserna S.G. (TO) 1988
Salbertrand (TO) 1995
Susa (TO) 1997
Torino (TO) 2004
Valprato Soana (TO) 1999
Piedicavallo (VC) 2003
Varallo Sesia (VC) 1998
Tab. 5. Anno di possibile unione tra le serie appartenenti ai due
Vercelli (VC) 2003 Enti e situate nella stessa localit.
32
2
Fig. 11. A sinistra le due serie di precipitazioni annuali della localit di Susa e a destra la serie che ne rappresenta il loro collegamento.
Fig. 12. Le due serie di precipitazioni annuali della localit di Piedicavallo e la serie che ne rappresenta il loro collegamento.
2.4. Conclusioni
Il raccordo tra le misure derivate dalle stazioni della rete del SIMN, attive fino al 2003, e quelle della
rete dellARPA Piemonte installate progressivamente a partire dal 1987, non diretto e immediato. In
alcune stazioni (undici su ventisei), il confronto svolto su diverse scale temporali evidenzia rilevazioni
simili da parte degli strumenti delle due reti consentendo, a nostro parere, il collegamento delle due
serie.
Il possibile punto di unione stato accuratamente valutato analizzando, per il periodo di sovrap-
posizione, le lacune dei dati di entrambe le stazioni e selezionando la serie con le minori interruzioni.
Grazie ai risultati ottenuti dal confronto, stato possibile anche individuare dei casi di malfunziona-
mento delle stazioni. Il confronto effettuato tra le serie di dati mostra comportamenti molto differenti,
dipendenti probabilmente da cause strumentali e/o da fattori ambientali, questi ultimi legati alle diffe-
renti ubicazioni delle nuove stazioni dellARPA rispetto a quelle del SIMN.
Questo lavoro mette in luce, inoltre, la difficolt effettiva di paragonare le serie misurate nelle
stazioni meteorologiche dei due differenti Enti e lerrore che si verrebbe a commettere se si collegas-
sero semplicemente i dati, senza prima aver effettuato adeguati confronti dei dati negli anni di misure
contemporanee. Lanno di unione delle serie diventa quindi un metadato importantissimo di evidente
disomogeneit che deve essere conosciuto e corretto con lapplicazione delle pi recenti tecniche di
omogeneizzazione che permettono di evidenziare le variabilit di natura non climatica (Venema et al.,
2012) che si ripercuoterebbero sullanalisi climatica e in particolar modo sullindividuazione dei trend.
33
3. Atlante delle precipitazioni intense
3.1. Obiettivi
Lanalisi delle precipitazioni di forte intensit e breve durata riveste una grande importanza in nu-
merosi problemi di ingegneria, quali possono essere ad esempio la progettazione delle reti fognarie
pluviali o la realizzazione di interventi di difesa dal dissesto idrogeologico, nei quali risulta fonda-
mentale giungere preliminarmente ad una valutazione affidabile dei valori che possono essere assunti,
allinterno di un certo orizzonte temporale, dalla sollecitazione pluviometrica. Lapproccio di tipo
probabilistico con cui si procede alla caratterizzazione delle grandezze pluviometriche di interesse
si basa sullanalisi dei campioni costituiti dai valori assunti dalle stesse in passato. Lanalisi statistica
delle precipitazioni estreme si concretizza in generale nella determinazione della relazione intensit-
durata-frequenza (IDF), che descrive appunto il legame fra il valore dellintensit media e la durata
della precipitazione caratterizzato da una determinata frequenza di non superamento allinterno di un
arco temporale posto pari ad un anno. E pratica corrente utilizzare, al posto della frequenza di non
superamento associata al valore assunto dalla variabile in esame, il corrispondente tempo di ritorno
T, definito come il numero medio di anni che bisogna attendere affinch si verifichi un superamento
di quel valore. Un caso di particolare interesse costituito dalla curva intensit-durata media, relativa
cio ai valori medi di intensit piuttosto che a quelli caratterizzati da un fissato periodo di ritorno.
In letteratura sono presenti varie formulazioni analitiche delle leggi IDF (Bernard, 1932; Yarnell,
1935; Chow, 1964; Bell, 1969; Chen, 1983; Garca-Bartual e Schneider, 2001) che nel tempo si sono af-
fermate rispetto a tabelle, curve sperimentali e mappe isoiete, ricavate localmente e per valori discreti
di durata e frequenza (Hershfield, 1961; McKay, 1970; Aron et al., 1987).
Fra queste, la forma pi frequentemente utilizzata in Italia la seguente:
i(d) = a d n1 (1)
con parametri a e n , di uso consolidato nel campo delle durate 1-24 ore.
Gli approcci per la determinazione della relazione IDF sono molteplici, generalmente basati sulla
regressione dei quantili di intensit di pioggia Ii (T, di), caratterizzati dal periodo di ritorno T e ricavati
per il set discreto di durate selezionate fra quelle per le quali sono disponibili i dati storici dinteresse,
usualmente costituiti dai valori massimi annuali. Uno studio completo include durate che vanno dai 5
minuti alle 24 ore (Wenzel, 1982).
Per periodi di ritorno inferiori alla lunghezza della serie di dati disponibili i quantili possono esse-
re ricavati con le formule di frequenza campionaria. Pi in generale si pu svolgere unanalisi statistica
delle serie finalizzata allindividuazione della distribuzione probabilistica adatta a interpretare le varia-
bili casuali in questione, da scegliere fra quelle usualmente adottate per i valori estremi (Chow, 1988).
Riguardo alla scelta della forma analitica della legge IDF fra quelle affermatesi in letteratura (ca-
ratterizzate da un numero di parametri generalmente variabile fra 2 e 4), va tenuto presente che allau-
mentare dei parametri migliora ladattamento dei quantili ma aumenta anche lincertezza nella stima
degli stessi e di conseguenza lincertezza nella valutazione della relazione IDF.
Per durate superiori allora sono generalmente disponibili serie storiche sufficientemente estese
dei massimi annuali di pioggia su intervalli di 1, 3, 6, 12 e 24 ore. Le serie storiche dei massimi annuali
34
3
di pioggia di durata sub-oraria sono invece caratterizzate da dimensione campionaria generalmente

molto inferiore, poich solo negli ultimi anni il miglioramento delle tecniche di misurazione delle
precipitazioni ha permesso una pi dettagliata osservazione sistematica del fenomeno. Inoltre non si
affermato un set di durate sub-orarie condiviso, per cui i vari enti preposti alla raccolta dati utilizzano
riferimenti temporali diversi nellanalizzare le piogge brevi estreme.
Gli approcci per la valutazione della relazione IDF alla scala sub-oraria sono molteplici e dipen-
dono sostanzialmente dalla disponibilit di dati. Laddove sono disponibili registrazioni in continuo
ad alta risoluzione temporale possibile analizzare eventi estremi completi di pioggia (analisi dei
peaks over threshold) e ricavare un modello probabilistico (di solito del tipo puntuale marcato)
adeguato a descrivere il processo stocastico delle precipitazioni, a partire dal quale possibile generare
delle serie sintetiche di grande estensione da utilizzare per la stima della relazione IDF alla scala di
interesse (Rodriguez-Iturbe et al., 1987; Onof e Wheater, 1993; Cowpertwait et al., 1991, 1994, 2003).
In assenza di registrazioni storiche per durate inferiori allora approcci semplici prevedono il ricorso
allestrapolazione della curva ricavata per il campo delle durate orarie (Di Baldassarre et al., 2006) o
a relazioni empiriche locali per il calcolo dei quantili di intensit sub-orarie a partire da quelli riferiti
a durate superiori (Tavares, 1975; Heaney et al., 1977). Pi in generale il tentativo di sopperire alla
mancanza di dati storici derivandoli da quelli disponibili a pi bassa risoluzione temporale stato da
molti perseguito analizzando linvarianza di scala di alcune propriet del processo delle precipitazioni
(Rodriguez-Iturbe et al., 1984), giungendo ad elaborare modelli di disaggregazione a cascata (Gupta e
Waymire, 1993; Koutsoyiannis, 1994; Olsson, 1998; Olsson e Berntdsson, 1998), accoppiabili a modelli
per la generazione di dati a scala oraria (Cowpertwait et al., 1996; Onof et al., 2000, 2004), e procedure
di calcolo delle curve IDF (Burlando e Rosso, 1996; Veneziano e Furcolo, 2002), sulla base dellipotesi
che la distribuzione di probabilit dei valori assunti dalle grandezze pluviometriche sia indipendente
dal corrispondente valore di durata. La stessa (1), assumendo che il parametro n sia indipendente dal
periodo di ritorno (condizione frequentemente rispettata nella pratica), valida se verificata linva-
rianza di scala. Tuttavia lassunzione di invarianza di scala si mostrata spesso essere inconsistente con
il comportamento statistico delle piogge estreme di durata inferiore allora (Olsson e Burlando, 2002;
Marani, 2003).
Quindi la legge (1), che ben descrive landamento della curva intensit-durata nellarco temporale
1-24 ore ma che ha il limite di presentare intensit infinita per d=0, pu risultare inadeguata nel cam-
po delle brevi durate, laddove, per d0, il comportamento reale delle intensit di pioggia prevede che
queste smettano di crescere indefinitamente e convergano su un valore finito di intensit. E quindi
utile, nellanalisi delle precipitazioni sub-orarie, introdurre unespressione pi flessibile della relazione
intensit-durata.
In questo lavoro si focalizza lattenzione sulla valutazione della relazione intensit-dura-
ta media, da effettuare sullintero territorio di studio, utilizzando come riferimento la seguen-
te forma analitica, in cui lintensit per d=0 assume valore finito e costituisce uno dei parametri:
i(d) = i0 (1+ B d) (2)

con parametri i0, B e . Si evidenzia che la (2), derivata originariamente in modo empirico, ha trovato
recentemente (espressa con unaltra formulazione del tutto equivalente) una giustificazione teorica
in base a considerazioni sulla massima entropia (Koutsoyiannis, 2006). La scelta della migliore forma
della legge IDF deve comunque basarsi sulla capacit della stessa di adattarsi a interpretare le caratte-
ristiche climatiche locali reali: in tal senso fra i principali aspetti di interesse nello studio delle piogge
brevi vi sono proprio lanalisi delleffettivo andamento delle intensit di pioggia sperimentali e dei va-
35
lori di durate alle quali si osserva il cambio di comportamento. La dipendenza delle precipitazioni dal
tempo di ritorno potr essere ricostruita moltiplicando le relazioni (1) o (2) per un fattore di crescita
KT, supposto indipendente dalla durata. Il metodo descritto nel seguito prevede di fornire allutente le
serie storiche ricostruite relative alle precipitazioni con durata 1-24 ore, per qualsiasi sito anche non
strumentato ricadente nella regione di interesse (vedere paragrafo 3.3). La scelta della distribuzione
di probabilit pi adatta ad essere impiegata viene pertanto delegata allutente, e dovr essere basata
sulle peculiarit dei campioni disponibili in sito. A titolo di esempio si riportano al paragrafo 3.3.4 le
modalit operative in caso di scelta della distribuzione di Gumbel.
3.2. La raccolta dati
3.2.1 Enti preposti al monitoraggio

In Italia lattivit di rilevamento, validazione, archiviazione e divulgazione delle grandezze meteocli-
matiche stata gestita, per quasi un secolo, dal Servizio Idrografico e Mareografico Nazionale (SIMN);
con il passaggio delle competenze alle Regioni, in conseguenza del decentramento amministrativo, si
sono venute a creare realt notevolmente diverse da regione a regione riguardo lindividuazione delle
strutture incaricate di gestire il servizio.
Nel tempo mutata, in parallelo con levoluzione tecnologica, anche la natura del servizio stesso,
che nacque con il compito di raccolta dati a fini di studio per il supporto alla progettazione di opere
pubbliche. A partire dagli anni 80 lintroduzione di stazioni di rilevamento automatiche rese possi-
bile lacquisizione di nuove tipologie di dati, laumento delle frequenze di rilevazione e soprattutto la
rilevazione in tempo reale. In particolare questultimo aspetto, ossia la disponibilit immediata del
dato, ha indirizzato sempre di pi le attivit del servizio verso il supporto alle strutture di protezione
civile nella gestione dellallertamento per possibili fenomeni di dissesto idrogeologico. In particolare
gli indirizzi operativi del sistema di allertamento nazionale e regionale prevedono che la gestione del
sistema di allertamento sia assicurata dal Dipartimento della Protezione Civile, dalle Regioni e dalle
Province autonome attraverso la rete dei Centri Funzionali. Spettano ai Centri Funzionali Regionali
i compiti di monitoraggio meteo-idro-pluviometrico e quindi le attivit di rilevamento e validazione
dei dati delle reti di stazioni pluviometriche.
In Piemonte la Regione ha assegnato le competenze del Servizio Idrografico allARPA (Agenzia
Regionale per la Protezione Ambientale); con la Legge Regionale n 28 del 20 novembre 2002 anche le
competenze del Centro Funzionale sono attribuite allARPA Piemonte.
La rete di monitoraggio regionale stata attivata nel 1988 rimanendo affiancata, fino al 2002, alla
rete di monitoraggio nazionale.
3.2.2 Disponibilit di dati

La raccolta dei dati pluviometrici estremi alle scale temporali di interesse avvenuta utilizzando tutte
le fonti citate e integrando informazioni di tipologia diversa.
Alla scala oraria la tipologia di dati disponibili provenienti dalle reti pluviometriche costituita
dai massimi annuali di altezza di pioggia cumulata su intervalli di durata 1-3-6-12-24 ore, per i quali si
proceduto al reperimento delle serie storiche registrate nelle varie stazioni dagli enti precedentemen-
te nominati. Si tratta di una tipologia di dati dalluso consolidato proprio nellambito della costruzione
delle curve IDF, la cui disponibilit si estende indietro nel tempo anche per le stazioni con pluviografi
36
3
manuali, e per questo motivo la fase di reperimento del dato non ha presentato aspetti peculiari.
Complessivamente sono state considerate 565 stazioni pluviografiche, la cui disponibilit ha subi-
to notevoli variazioni nellarco temporale di studio, dal 1928 al 2006 (Fig. 1).
Fig. 1. Variazione della numerosit di stazioni pluviografiche attive nel periodo 1928-2006.
Il numero complessivo elevato dipende dal passaggio dalla rete di monitoraggio nazionale alla rete
regionale gestita da ARPA Piemonte, che ha comportato la duplicazione di alcune stazioni, anche se
per brevi periodi di tempo, listallazione di nuove stazioni e la ricollocazione di stazioni gi esistenti. In
questi casi, una stazione che presenti la stessa denominazione ma coordinate anche solo leggermente
diverse stata considerata come una nuova stazione, in modo da non alterare le informazioni spaziali
necessarie per la corretta esecuzione del kriging. Ne consegue che il numero di stazioni effettivamente
attive sul territorio piemontese inferiore alla totalit di stazioni considerate. In particolare si pu os-
servare come la massima copertura del territorio sia stata raggiunta nel 2005 con 292 punti di misura.
Alla scala sub-oraria il quadro dei dati pluviometrici estremi disponibili risulta pi complesso. Le
misurazioni sistematiche dei massimi annuali di pioggia cumulata su intervalli di durata sub-oraria
sono disponibili soltanto a partire dal 1987; si evidenzia inoltre che non si affermato un set di durate
riconosciuto (come accade invece alla scala oraria), per cui laggregazione dei valori di precipitazione
viene effettuata su intervalli temporali di ampiezza differente fra i vari enti. Prima del 1987 eventi
notevoli di durata inferiore allora erano comunque segnalati sugli Annali Idrologici pubblicati dal
SIMN, dove per una data stazione erano riportati il valore, la durata e la data delle precipitazioni di
notevole intensit e breve durata registrate nellanno. Allinterno di queste serie di dati, caratterizzati
per la singola stazione da una irregolare campionatura sia in termini di anni disponibili che di durate
sub-orarie considerate, sono presenti misurazioni che sicuramente non costituiscono altezze di piog-
gia massime annuali poich incompatibili con altre osservazioni dello stesso anno e che vanno quindi
escluse dalla base di dati.
Per le stazioni automatiche a partire dal 1986 invece sono disponibili valori di altezza di pioggia
massima annuale cumulata su prefissati intervalli di durata sub-oraria.
Nella figura 2 rappresentato, a titolo di esempio, landamento temporale della disponibilit dei
dati di pioggia cumulata per la durata 30 minuti, tenendo conto anche del periodo antecedente 1926-
37
1986. Il numero complessivo di stazioni prese in considerazione sullintero arco temporale pari a 552.
Fig. 2. Disponibilit complessiva massimi annuali di pioggia per durata 30 minuti
3.3. Metodi
Le precipitazioni sono fenomeni naturali che si sviluppano su base spaziale e come tali possono essere
studiate per mezzo della geostatistica. Come per molte altre grandezze, infatti, la variabilit spaziale
delle precipitazioni non puramente casuale ed in essa spesso rintracciabile una struttura.
Grazie a questa propriet, formulando un opportuno modello geostatisco, possibile utilizzare
una serie si osservazioni distribuite nello spazio per stimare il valore che la precipitazione stessa as-
sume in tutti gli altri punti del dominio. La caratterizzazione della variabilit spaziale della precipi-
tazione avviene attraverso il variogramma campionario, che esprime la semivarianza di una variabile
regionalizzata P(x) in due punti x0 e x0+h:
1
( x 0, h ) = Var { P ( x0 + h ) P ( x0 )}
2 (3)
Il variogramma campionario caratterizzato da un andamento crescente che, pur con delle flut-
tuazioni, si attesta nellintorno di un valore che rimane poi costante, circa coincidente con la varianza
empirica. Tuttavia bene considerare che alcuni fenomeni naturali possono inglobare, allinterno del-
la correlazione spaziale, anche altri processi di dipendenza. Questo il caso, ad esempio, della precipi-
tazione nei confronti della quota. A meno di non considerare lopportunit di utilizzare altri algoritmi
di kriging (p.es., kriging con deriva, cokriging), per lapplicazione del kriging ordinario necessario
identificare ed eliminare le possibili dipendenze che la variabile regionalizzata presenta in funzione di
grandezze diverse dalla posizione (Philips et al., 1992).
Definito il variogramma sperimentale necessario trasformarlo in una funzione analitica, anche
detta variogramma modello o variogramma teorico, il quale fornisce un valore di y(h) per una qual-
siasi coppia di punti appartenenti al dominio di studio, consentendo quindi la spazializzazione della
variabile considerata. Nel variogramma modello si identificano alcune caratteristiche fondamentali,
rappresentate in figura 3, che sono:
Nugget: descrive la variabilit casuale dei dati campionari e rappresenta il valore di semivarian-
za per una distanza h nulla;
Sill: esprime il massimo valore della semivarianza quando si raggiunge la stazionariet;
Range: massima distanza per la quale si osserva la presenza di correlazione tra semivarianza ed
38
3
intervalli di distanza.
Fig. 3. Elementi caratteristici di un variogramma
Le fasi necessarie per lapplicazione del kriging possono quindi riassumersi in:
i) ricerca di eventuali relazioni tra la variabile da regionalizzare ed altri descrittori diversi dalla
posizione (p.es., quota);
ii) calcolo del variogramma campionario;
iii) determinazione del variogramma modello;
iv) definizione della griglia di interpolazione del dominio di studio;
v) applicazione del kriging ordinario a scala annuale.
Le fasi dellapplicazione sono descritte nel seguito relativamente alle durate super-orarie. La pro-
cedura non stata invece applicata alle durate sub-orarie poich i dati non erano sufficientemente
numerosi da consentire lapplicazione di un algoritmo di interpolazione spaziale. Per tali durate si
quindi provveduto a mettere in relazione la variabilit spaziale con quella delle durate super-orarie.
3.3.1. Determinazione del trend tra quota e precipitazione

La regione di studio comprende un territorio dallorografia assai eterogenea, con quote minime dellor-
dine di pochi metri sul livello del mare e massime che superano i 4000 m slm. In considerazione della
dipendenza che molti parametri climatici esibiscono in relazione allaltimetria, stato deciso di veri-
ficare leffettiva esistenza ed entit di trend tra le variabili considerate e la quota di riferimento delle
stazioni meteorologiche.
Lanalisi del trend stata condotta ipotizzando una dipendenza di tipo lineare considerando come
variabile indipendente la grandezza P=log(quota +1) che, grazie alla presenza del logaritmo, essendo
la distribuzione delle stazioni meteorologiche rispetto alla quota non uniforme, consente di limitare il
peso che linterpolazione lineare altrimenti attribuirebbe alle stazioni collocate a basse quote. I trend
sono stati considerati significativi nellipotesi che il test T di Student sul coefficiente angolare della
retta di regressione risultasse superato per un livello di significativit =0.05.
Leliminazione del trend esistente rispetto alla quota della stazione rappresenta un passo impre-
scindibile per lapplicazione del kriging ordinario, che si basa sullipotesi di stazionariet dei dati. Inol-
tre, luso dellinformazione topografica consente di compensare la mancanza di informazioni relative
alla piccola scala, migliorando la performance del metodo (Prudhomme e Reed, 1999). Si proceduto
39
riportando ogni punto campionario ad una quota base pari ad 1 m s.l.m. attraverso le leggi di crescita
e decrescita determinate con la procedura di interpolazione lineare precedentemente descritta.
In particolare, stata applicata la relazione
Pi,quota = m log ( quota +1) + Ri (4)

che, per quota = 0, diventa:
Pi,0 = m log (1) + Ri = Ri (5)

dove Pi,0 rappresenta il dato detrendizzato, m il coefficiente angolare della retta di interpolazione
lineare ed Ri il residuo della stessa.
I parametri delle rette di regressione ottenute per la variabili considerate sono riportati in ta-
bella1. Si osservi come siano stati considerati i valori registrati in tutte le stazioni per tutti gli anni
contemporaneamente. Tale scelta procedurale, mantenuta per tutte le variabili di precipitazioni con-
siderate, motivata dal fatto che le relazioni di dipendenza tra la precipitazione e la quota si possono
supporre invarianti nel tempo.
M Int R2
P d=1h -3.75* 49.58 0.05
P d=3h -2.64* 55.96 0.01
P d=6h -0.39 55.14 2.13e-5
P d=12h 3.28* 51.25 0.04
P d=24h 7.98* 48.14 0.01
Tab. 1. Parametri delle regressioni identificate tra precipitazioni e quote

* indica il superamento del test di Student per un livello di significativit a=0.05
Le precipitazioni massime annue di durata pari a 1 e 3 ore presentano un trend decrescente con
la quota, che perde significativit per la durata pari a 6 ore e diventa infine di segno positivo nel caso
di durate pari a 12 e 24 ore. Questa variazione nella relazione che lega precipitazioni estreme e quota
trova una giustificazione nel diverso tipo di evento precipitativo, principalmente a carattere tempo-
ralesco per le brevi durate, e di tipo stratiforme per durate maggiori. Data la mancata significativit
della regressione tra quota e massima precipitazione annua per durata pari a 6 ore, nella procedura di
kriging, sono stati usati direttamente i dati osservati.
3.3.2. Determinazione del variogramma

In questa applicazione stato ricavato un unico variogramma campionario utilizzando contempora-
neamente tutti i dati a disposizione.
Il variogramma campionario totale stato ottenuto come media dei variogrammi campionari an-
nuali, pesata in base al numero di stazioni attive in ciascun anno. A titolo di esempio, il variogramma
campionario relativo alla massimo annuo di precipitazione di durata oraria riportato in figura 4.
40
3
Fig. 4. Variogramma campionario per il massimo annuo di precipitazione di durata oraria
Una volta determinata la relazione spaziale sperimentale che lega i dati osservati, necessa-
rio interpolarla attraverso una funzione matematica che la trasformi in un modello continuo. Nel
presente lavoro si scelto di utilizzare come variogramma teorico il variogramma esponenziale:
( h ) = c1 (1 eh/c2 ) (6)
caratterizzato da sill pari a c1 e da un range infinito. Per avere una misura della distanza entro cui si
manifesta la correlazione spaziale dei dati viene tuttavia introdotto un range operativo, stimato in 5
volte il parametro c2. I parametri c1 e c2 stimati dallinterpolazione sono riportati in tabella 2.
c1 [mm2] c2 [m] range [m]

P d=1h 142 6709 33545
P d=3h 334.7 8798 43990
P d=6h 574.2 10240 51200
P d=12h 1051 11520 57600
P d=24h 2028 13650 68250
Tab. 2. Parametri stimati per la costruzione del variogramma teorico esponenziale
3.3.3. Applicazione del kriging ordinario a scala annuale: algoritmo sequenziale

Il kriging ordinario stato applicato, per ciascuna durata, ad ogni anno di osservazione, ottenendo
una serie sintetica di mappe annuali contenenti i valori stimati di massimi di precipitazione alle varie
durate - associati ad un valore di varianza di stima, anchessa determinata tramite la procedura di kri-
ging - in ogni nodo della griglia. Si osservi che la varianza maggiore negli anni caratterizzati da un
minor numero di stazioni attive e nelle zone meno monitorate (Fig. 5).
41
adj
Fig. 5. Varianza di stima associata ai massimi di precipitazione di durata oraria ottenuti con il kriging per gli anni 1960 (sinistra) e
2000 (destra)
Il calcolo stato applicato alle precipitazioni riportate a quota nulla, con leccezione della massi-
ma precipitazione annua di durata pari a 6 ore per la quale il trend rispetto alla quota non risultato
significativo. Successivamente, le variabili sono state ricondotte alla quota reale, ricavata dal DTM,
utilizzando la legge di regressione lineare ricavata.
La scelta di applicare il kriging a scala annuale motivata dalla volont di costruire serie sinteti-
che di precipitazioni massime relative alle cinque durate caratteristiche di ugual lunghezza in ciascun
punto griglia. A valle dellapplicazione del kriging, ogni nodo sar dunque caratterizzato da cinque
serie sintetiche di massimi annui di precipitazione (una per ciascuna durata) e da cinque valori medi,
ottenuti come medie pesate rispetto allinverso della varianza di stima nel punto. Come gi detto, tale
procedura stata applicata solo ai massimi di durata oraria o super-oraria poich la dimensione dei
campioni relativi alle durate sub-orarie era troppo esigua e non adatta allapplicazione di un algoritmo
di interpolazione spaziale. Tale procedura sar identificata nel seguito come kriging sequenziale. In
figura 6 sono rappresentate, a titolo di esempio, le mappe delle precipitazioni massime orarie di durata
1 ora ottenute con il kriging sequenziale per alcuni anni compresi nel periodo di osservazione. inol-
tre riportata la serie sintetica dei massimi orari di precipitazione per un punto specifico appartenente
alla regione di studio. Si noti che la disponibilit delle serie storiche relative alle 5 durate consente di
poter stimare il fattore di crescita localmente, come se in ogni punto griglia fosse disponibile una sta-
zione di misura delle precipitazioni attiva ininterrottamente dal 1928 al 2006.
In figura 7 sono riportate, invece, le mappe dei valori medi dei massimi annui di precipitazione
per le durate 1 ora e 24 ore ricavate a partire dalle serie sintetiche ottenute con kriging sequenziale.
42
3
Fig. 6. Precipitazioni massime orarie di durata 1 ora ottenute con il kriging sequenziale per alcuni anni compresi nel periodo di
osservazione e serie sintetica dei massimi orari di precipitazione per un punto specifico appartenente alla regione di studio.
Fig. 7. Valor medio della massima precipitazione annua per durata1 ora (sinistra) e 24 ore (destra), in millimetri.
43
3.3.4. Applicazione alle durate super-orarie

In generale, la stima dei parametri a e n della curva intensit-durata media nella forma (1) nel campo
delle durate orarie avviene a partire dalle serie (siano esse costituite da dati effettivamente osservati
o stimati con tecniche geostatistiche) dei massimi annuali di altezza di pioggia cumulata su intervalli
di 1-3-6-12-24 ore. Calcolando per ogni durata la media del campione, cos come fornita in figura 7,
ed effettuando la conversione dei valori di altezza di pioggia nei corrispondenti valori di intensit, si
ottengono 5 coppie di valori intensit-durata da interpolare con la legge (1), che nel piano bilogarit-
mico rappresentata da una retta. La stima dei parametri con il metodo dei minimi quadrati si riduce
quindi ad un problema di regressione lineare semplice in cui i valori di a e n sono immediatamente
ricavabili rispettivamente dallintercetta e dal coefficiente angolare.
Il coefficiente pluviale orario a ottenuto dai valori medi pesati di precipitazione rappresentato
in figura 8 a sinistra. Esso presenta un andamento decrescente rispetto alla quota e assume valori
minimi e massimi rispettivamente in corrispondenza della Valle dAosta e della Val dOssola. Compor-
tamento contrario si riscontra invece per lesponente di invarianza di scala n, rappresentato in figura8
a destra.
Fig. 8. Coefficiente pluviale orario a (sinistra); esponente di invarianza di scala nK (destra).
3.3.5. Integrazione della curva di possibilit pluviometrica alle durate sub-orarie

La legge (1), caratterizzata da intensit i0=i(d=0) infinita, ben descrive landamento della curva inten-
sit-durata nellarco temporale 1-24 ore (allinterno del quale i punti sperimentali rappresentativi della
relazione tendono ad allinearsi lungo una retta sul piano bilogaritmico). La stessa pu per non essere
adattabile anche al range di brevi durate laddove, sempre sul piano bilogaritmico, lecito aspettarsi a
un certo punto un cambio di pendenza, con andamento dei punti sperimentali che da rettilineo tende,
per d0 , a incurvarsi e diventare asintotico, con asintoto orizzontale corrispondente al valore finito
dellintensit i0, come mostrato in figura 9 .
44
3
Fig. 9. Curve intensit-durata ricavate per durate 1 min - 48 h (da Madsen et al., 2009)
Lespressione (2), pi flessibile della (1), in grado di interpretare il comportamento reale della
legge intensit-durata anche per durate inferiori allora. Riguardo a i0 e , evidente lanalogia rispetti-
vamente con i parametri a e n della (1). Il valore del parametro B determina invece il range di durate in
cui la pendenza sensibilmente variabile sul piano bilogaritmico: al crescere del valore di B, infatti, il
cambio di pendenza si osserva in corrispondenza di durate sempre pi brevi (e quindi anche inferiori
alle risoluzioni disponibili) e la curva tenda ad assumere un andamento sempre pi rettilineo. Ci
evidente anche dal punto di vista analitico: landamento rettilineo infatti tipico dellespressione (1).
Il calcolo della relazione intensit-durata media nella forma (2) stato condotto in corrispon-
denza delle singole stazioni, non disponendo di serie sintetiche di massimi di precipitazione di durata
inferiore allora derivate dallapplicazione del kriging sequenziale.
Lapproccio adottato prevede di fissare come forma di riferimento della legge intensit-durata,
lespressione (2), mentre si ritiene valida per le durate orarie la legge intensit-durata media nella for-
ma (1) con parametri gi stimati sullintero territorio regionale in seguito alle operazioni di kriging
sequenziale. Per le durate sub-orarie si effettua la stima parametrica locale della legge (2), in una for-
mulazione modificata imponendo che la funzione intensit-durata complessiva (ossia riferita a durate
super- e sub-orarie) sia continua e derivabile per d = 1 ora:
i1 (1) = i2 (1) => i0 (1+ B) = a (7)
i1 '(1) = i2 '(1) => i0 B (1+ B) 1 = a (n 1 ) (8)
da cui derivano le seguenti relazioni:
a
i0 = (9)
(1+ B)
(n 1) (1+ B)
= (10)
B
45
che sostituite nella (2) forniscono lespressione:

(n1)(1+B)
1+ B d B
i(d) = a (11)
1+ B
La (11) presenta un unico parametro B da stimare sulla base dei punti campionari rappresentativi
delle durate sub-orarie (che nella maggior parte dei casi sono soltanto 3).
Affinch sia soddisfatto il vincolo sul parametro della (2): per la (10) bisogna imporre:
1 n
B> (12)
n
Poich vale n (0;1), imponendo la (12) risultano rispettati tutti gli altri vincoli sui parametri
della (1.2): B > 0, i0 > 0, b<0.
La stima puntuale del parametro B stata condotta per via numerica con il metodo dei minimi
quadrati, minimizzando la funzione:
N
2
FA = ioss, j i ( d j ) (13)
j=1
dove ioss,j sono i valori medi campionari di intensit di pioggia per le N durate sub-orarie dj e i(dj)
sono i corrispondenti valori calcolati con la (11). Il parametro B stato fatto variare allinterno di un
fissato intervallo (Bmin, Bmax), dove Bmin calcolato localmente con la (12), mentre Bmax stato fissato
pari a 1000 h-1. Per quanto precedentemente detto, il raggiungimento del valore massimo nella stima
di B coincide con un andamento pressoch rettilineo della relazione intensit-durata a 3 parametri,
che in questo caso degenera praticamente nellestrapolazione della forma a 2 parametri.
3.3.6. Risultati e considerazioni

La procedura di stima locale dei parametri stata applicata a 173 stazioni aventi un periodo minimo
di osservazione pari a 10 anni su almeno 3 durate sub-orarie. Si procede alla stima puntuale del solo
parametro B, vincolato a non assumere valori superiori a 1000 h-1. Il raggiungimento di questo valore
limite indicatore di mancata convergenza durante la ricerca del minimo di FA. La figura 10 mostra
la distribuzione dei valori del parametro B.
Fig. 10. Distribuzione valori del parametro B
46
3
Il parametro B, come gi detto, responsabile del tipo di andamento della curva (2) sullintervallo
di durate analizzato, ovvero localizza il cambio di pendenza della curva nel piano bilogaritmico. Se
allinterno del range di durate localmente considerato la disposizione dei punti sperimentali tale da
far assumere alla curva interpolante ottimale un andamento sensibilmente rettilineo, la stima del pa-
rametro B fornir valori molto elevati.
3.3.7. Curva intensit-durata media: analisi globale

In alternativa al calcolo della relazione intensit-durata media in corrispondenza di ciascuna singola
stazione, stata condotta unanalisi globale utilizzando contemporaneamente i valori medi campio-
nari di intensit di pioggia provenienti da tutti i siti di misura. Si ipotizza in pratica che la variabilit
spaziale sia caratterizzabile tramite i coefficienti a ed n relativi alle durate super-orarie, mentre il pa-
rametro B, relativo alla variabilit sub-oraria, possa essere ritenuto costante sulla regione di interesse.
In analogia con lapproccio locale, si ritenuta valida la (1) per le durate super-orarie e si stimato
globalmente il valore del parametro B della (2) sui dati sub-orari, imponendo che la funzione intensi-
t-durata complessiva sia continua e derivabile per d = 1 ora e utilizzando quindi la forma modificata
(11) della legge (2).
Data la variabilit geografica delle caratteristiche climatiche, per effettuare la stima stato
necessario ricondurre i dati sperimentali ad una forma standardizzata. A partire dalla (1) possibile
ricondursi ad una forma indipendente da parametri attraverso la trasformata
log10 i(d) log10 a

y(d) = (14)
1 n
per la quale vale una relazione analoga alla (1):
y(d) = log10 d (15)
che equivale a ricondursi ad una forma standard con a = 1 e n = 0.
La (2) nella forma modificata (11), con la trasformata (14), nel piano y - log10 d diventa:
1+ B
y(d) = log10 (1+ B 10 log10 d ) log10 (1+ B) (16)
B
La (16), valida per durate d 1 ora, ricade nel 2 quadrante nel piano y - log10 d.
Per ognuna delle 173 stazioni selezionate stata applicata la trasformazione (14) dai valori medi
campionari di intensit di pioggia disponibili, utilizzando i valori ricavati localmente dei parametri a
e n, con risultati riportati in figura 11, dove sono stati inoltre evidenziati per ogni durata i valori medi
della trasformata y. Si nota una chiara tendenza dei punti a non discostarsi eccessivamente dallanda-
mento rettilineo. La minore variabilit riscontrabile per le durate pi lunghe attribuibile al fatto che
le precipitazioni sono normalizzate tramite la (14) utilizzando i parametri a ed n stimati localmente
sui dati relativi a durate superiori allora.
La stima globale del parametro B stata condotta sugli N valori trasformati associati alle du-
rate sub-orarie, con il metodo dei minimi quadrati per via numerica, minimizzando la funzione:
N
2
F = yoss, j y ( d j )
j=1 (17)
dove yoss,j sono le trasformate dei valori medi campionari di intensit di pioggia per le durate sub-orarie
47
e y(dj) sono i valori calcolati con la (16) per le corrispondenti dj.

= 136.5 h-1. Tale valore corrisponde ad una minima curvatura verso
La stima restituisce il valore B
il basso rispetto alla bisettrice, confermando il complessivo allineamento dei punti anche per durate
sub-orarie. Tale comportamento probabilmente da attribuirsi alla mancanza di osservazioni relative
a durate molto brevi, inferiori ai 5 minuti, che sono proprio quelle che evidenziano una curvatura
verso il basso in figura 9.
La valutazione locale della relazione intensit-durata media pu quindi essere effettuata, noto il
valore del parametro B ricavato dallanalisi globale, stimando i parametri a e n della (1) sulle piogge
orarie e utilizzando la forma analitica (11).
Fig. 11. Analisi globale: trasformate y dei valori medi campionari di intensit di pioggia per le stazioni selezionate
3.3.8. Stima del fattore di crescita delle precipitazioni estreme

Determinata la curva media con i metodi indicati in precedenza, si procede alla stima del fattore di
crescita delle precipitazioni estreme con il tempo di ritorno. A tal fine si ipotizza innanzitutto che il
fattore di crescita KT sia indipendente dalla durata della precipitazione, ossia che possa essere impiega-
to come un semplice fattore moltiplicativo delle relazioni medie definite in precedenza. Per la stima di
KT si possono impiegare le informazioni disponibili in ogni sito nella regione di interesse relative alle
serie ricostruite di precipitazione di durata 1-3-6-12-24 ore. La stima del KT prevede di determinare
i moment-ratios (ad esempio, il coefficiente di variazione o il coefficiente di asimmetria) o gli analo-
ghi L-momenti-ratios dalle serie disponibili, di mediare i valori ottenuti per produrre degli stimatori
indipendenti dalla durata e, infine, di determinare i parametri della distribuzione prescelta in base ai
valori dei descrittori statistici pocanzi ottenuti.
A titolo di esempio, qualora la distribuzione prescelta fosse la distribuzione dei valo-
ri estremi di tipo I, o distribuzione di Gumbel, si otterrebbe per il fattore di crescita la relazione
6 6 1
KT = 1 CV 0.5772 + ln ln 1 (18)
T
dove CV il coefficiente di variazione medio (sulle 5 durate) delle precipitazioni estreme.
48
3
3.4. Conclusioni
Lanalisi regionale delle precipitazioni intense in Piemonte ha prodotto una base dati omogenea nel
tempo e nello spazio, finalizzata alla stima delle precipitazioni di progetto. I risultati ottenuti dalla
elaborazione delle serie nelle stazioni di misura sono di seguito riassunti:
1) le intensit medie di precipitazione per durate superiori allora possono essere determinate
utilizzando la relazione (1) con parametri a ed n stimati su una griglia a maglia quadrata di lato 250 m
che copre lintera regione (figura 8);
2) le intensit medie per durate inferiori allora possono essere determinate utilizzando la relazio-
= 136.5 h-1;
ne (11) con coefficiente B
3) la dipendenza delle precipitazioni dal tempo di ritorno pu essere ricostruita moltiplicando le
relazioni (1) o (11) per un fattore di crescita KT. Relativamente a tale fattore, sono stati calcolati a titolo
di esempio, i valori per la distribuzione di Gumbel, consentendo di procedere alla sua stima locale (os-
sia su ogni punto griglia) a partire dalle serie storiche ricostruite con il kriging sequenziale per durate
1-3-6-12-24 ore. Tale impostazione consente di evitare la scelta di ununica distribuzione regionale
delle precipitazioni intense, lasciando allutente la possibilit di procedere a dettagliate analisi locali
sulla appropriatezza dei vari modelli probabilistici.
49
Bibliografia
Capitolo 1
Ambrosetti W., Barbanti L. & Rolla A. 2006. Annuario dellOsservatorio Meteorologico di Pallanza 1997-2003.
Ed. Istituto per lo Studio degli Ecosistemi, Verbania Pallanza: 1-38.
Apadula F, Cortesi N. 2009. Studio del ruolo delle variabili meteoclimatiche sulla domanda elettrica. Rapporto
CESI RICERCA per la Ricerca di Sistema, 08005759.
Alpert P, Ben-Gai T. Baharad A. et al. 2002. The paradoxical increase of Mediterranean extreme daily rainfall in
spite of decrease in total values.Geophys. Res. Lett. vol. 29, n 11.
Barbanti L. 1968. Annuario 1967 dellOsservatorio Meteorologico di Pallanza. Mem. Ist. Ital. Idrobiol., 23: 245-
320.
Bovo S., Pelosini R. 2007 Il Piemonte nel cambiamento climatico. ARPA Piemonte ISBN 978-88-7479-066-1
Brunetti M, Buffoni L, Mangianti F, Maugeri M, Nanni T. 2004. Temperature and extreme events during the
last century in Italy. Global and planetary change 40, 141-149.
Brunetti M, Buffoni L, Maugeri M, Nanni T. 2000. Precipitation intensity trends in Northern Italy.
International Journal of climatology 20, 1017-1031.
Brunetti M, Maurizio M, Nanni T, Navarra A. 2002. Droughts and extreme events in regional daily Italian
precipitation series. International Journal of climatology 22: 543558. doi: 10.1002/joc.751.
Camuffo D, Pagan E. 2005. Analisi di serie storiche di temperatura e precipitazione in localit prossime agli
speleo temi. Studi Trent. Sci. Nat., Acta Geol., 80 (2003): 37-4.
Capra A, LaSpada C, Porto P, Scicolone B. 2011. Trend degli afflussi e dei deflussi di bacini idrografici calabresi.
Convegno di Medio Termine dellAssociazione Italiana di Ingegneria Agraria. Belgirate, 22-24 settembre 2011.
Cat Berro D., Ratti M., & Lupotto E. 2004. Il clima di Vercelli dal 1871 in Vercelli e il suo tempo. Vercelliviva e
Societ Meteorologica Italiana Eds. Gallo Artigrafiche, Vercelli: 65-195 pp.
Claps P. 2002: Simulazione stocastica di serie idrologiche a supporto della pianificazione e gestione dei sistemi
idrici. Appunti scritti per il Corso di III livello. Politecnico di Torino, 20-22 Novembre 2002.
Ciampittiello, M., C. Dresti & H. Saidi 2011. Indagini sul bacino imbrifero. Caratteristiche idrologiche -
Ricerche sullevoluzione del Lago Maggiore. Aspetti limnologici. Programma quinquennale 2008-2012.
Campagna 2010. Commissione Internazionale per la protezione delle acque italo-svizzere(Ed.): 5-11.
Coles S. 2001 An Introduction to Statistical Modelling of Extreme Values. Springer Series in Statistics.
Cortemiglia G.C. 1999. Serie climatiche ultracentenarie. Regione Piemonte. CSI Piemonte. 172 pp.
Davison AC. and Smith R.L. 1990. Models for exceedances over high thresholds (with discussion). J.R. Statist.
Soc. B 52, 393- 442.
Haylock M. and Nicholls N. 2000. Trends in extreme rainfall indices for an updated high quality data set for
Australia, 19101998. Int. J. Climatol., 20, 15331541.
Hosking JRM, Wallis JR. 1997. Regional Frequency Analysis: An Approach Based on L-Moments. Cambridge
University Press. Cambridge.
IPCC 2007. Climate Change 2007. The Physical Science Basis. Contribution of Working Group I to the Fourth
Assessmen Report of the Intergovernmental Panel on climate change. Cambridge University press.
IPCC 2012. Managing the risks of extreme events and disasters to advance climate change adaptation. Special
Report of the Intergovernmental Panel on climate change. Cambridge University press.
Karl TR, Knight RW, Plummer N, 1995. Trends in high frequency climate variability in the twentieth century.
Nature 377, 217-220.
50
3
Karl TR, Knight RW. 1998. Secular trends of precipitation amount frequency and intensity in the United States.
Bulletin of the American Meteorological Society 79: 231241.
Leonardi R. Montefinale T. Malvestuto V. Testa O. Beltrano M.C. 2006. The automatic digitization of time
series recorded on graph paper supports. WMO technical conference on instruments and methods of
observation, December 4th 2006 (2006-12-04), pages 1-8, XP002477828.
Mercalli L. 2004. Meteorologia: Scienza davanguardia e guida per il futuro da Vercelli al clima globale, in
Vercelli e il suo tempo. Vercelliviva e Societ Meteorologica Italiana Eds. Gallo Artigrafiche, Vercelli: 17:64 pp.
Ntegeka, V., Willems P., 2008. Trends and multidecadal oscillations in rainfall extremes, based on a more
than 100-year time series of 10 min rainfall intensities at Uccle, Belgium, Water Resour. Res., 44, W07402,
doi:10.1029/2007WR006471.
Saidi H. Ciampittiello M. Dresti C. Ghiglieri G. 2012. The Climatic Characteristic of Extreme Precipitations
for short-term Intervals in the Watershed of Lake Maggiore. Theor. Appl. Climatol. DOI 10.1007/s00704-012-
0768-x.
Sneyers R. 1990. On the statistical Analysis of Series of observations. WMO, Technical Note N. 415, Geneve,
192pp.
Capitolo 2
Acquaotta F. (ined. 2012) Analisi delle serie storiche di temperatura e precipitazione in Piemonte: peculiarit
e variabilit climatica. Tesi di Dottorato in Scienza e Alta Tecnologia, indirizzo in Scienze della Terra,
Universit degli Studi di Torino, Scuola di Dottorato in Scienza e Alta Tecnologia, pp. 178.
Acquaotta F., Fratianni S., Cassardo C. And Cremonini R. (2009) On the continuity and climatic variability
of meteorological stations in Torino, Asti, Vercelli and Oropa. Meteorology and Atmospheric Physics, 103,
279-287, DOI: 10.1007/s00703-008-0333-4.
ARPA PIEMONTE - Banca Dati Meteorologica http://www.arpa.piemonte.it/banca-dati-meteorologica
Biancotti A., Mercalli L. (1990) -Variazioni climatiche nellItalia nord-occidentale. Memorie della Societ
Geografica Italiana, volume XLVI.
Galeotti P. (1984) - Elementi di probabilit e statistica. Editrice Universitaria Levrotto & Bella Torino, pp. 359.
Gokturk O., Bozkurt D., Lutfi Sen O. and Karaca M. (2008) Quality control and homogeneity of Turkish
precipitation data. Hydrological Processes, DOI: 10.1002/hyp.6915.
Klein Tank A. M., Wijngaard J. B., Konnen G. P., Bohm R., Demaree G., Gocheva A., Mileta M., Pashiardis
S., Hejkrlik L., Kern-Hansen C., Heino R., Bessemoulin P., Muller-Westermeier G., Tzanakou M., Szalai
S., Palsdottir T., Fitzgerald D., Rubin S., Capaldo M., Maugeri M., Leitass A., Bukantis A., Aberfeld R., Van
Engelen A. F. V., Forland E., Mietus M., Coelho F., Mares C., Razuvaev V., Nieplova E., Cegnar T., Antonio
Lopez J., Dahlstrom B., Moberg A., Kirchhofer W., Ceylan A., Pachaliuk O., Alexander L. V. And Petrovic
P. (2002) - Daily dataset of 20TH-century surface air temperature and precipitation series for the European
climate assessment. Int. J. Climatol., 22, 1441-1453.
MINISTERO DEI LAVORI PUBBLICI CONSIGLIO SUPERIORE, SERVIZIO IDROGRAFICO (1976) -
Elenco delle stazioni termopluviometriche del Servizio Idrografico Italiano (situazione al 1970). Pubblicazione
n. 27, Roma, Istituto Poligrafico dello Stato Libreria.
PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO PER I SERVIZI TECNICI NAZIONALI
SERVIZIO IDROGRAFICO E MAREOGRAFICO NAZIONALE (1997) Norme tecniche per la raccolta
e lelaborazione dei dati idrometeorologici. Parte I Dati meteorologici a fini idrologici. Istituto Poligrafico e
Zecca dello Stato.
SIMI (Servizio Idrografico e Mareografico Italiano) - Ufficio compartimentale di Parma (1990) - Bacino
Idrografico del Fiume Po: Inventario delle stazioni di misura.
Venema V., Mestre O., Aguilar E., Auer I., Guijarro J. A., Domonkos P., Vertacnik G., Szentimrey T., Stepanek
P., Zahradnicek P., Viarre J., Mller-Westermeier G., Lakatos M., Williams C. N., Menne M., Lindau R., Rasol
51
D., Rustemeier E., Kolokythas K., Marinova T., Andresen L., Acquaotta F., Fratianni S., Cheval S., Klancar
M., Brunetti M., Gruber C., Prohom Duran M., Likso T., Esteban P., Brandsma T. (2012) - Benchmarking
homogenization algorithms for monthly data. CLIMATE OF THE PAST (ISSN:1814-9324) , pp. 89- 115, Vol.
8.
Wijngaard J. B., Klein Tank A. M. G., Konnen G. P. (2003) - Homogeneity of 20Th century European daily
Temperature And Precipitation Series. Int. J. Climatol., 23, 679-692.
Wilks D. S.(2006) Statistical methods in the atmospheric sciences second edition. International Geophysics
Series ELSEVIER, p. 627.
Capitolo 3
Aron G., Dunn C.N., Wall D.J. e White E.L., 1987, Regional rainfall intensity-duration-frequency curves for
Pennsylvania. Water Resources Bull. 23(3), 479-486.
Bell F.C., 1969, Generalized rainfall-duration-frequency relationships. Journal of Hydraulic Division, A.S.C.E.
95, 311-327.
Bernard M.M., 1932, Formulas for rainfall intensities of long duration. Transactions, ASCE 96 (Paper
No.1801), 592-624.
Burlando P. e Rosso R., 1996, Scaling and multiscaling models of depth-duration-frequency curves for storm
precipitation. Journal of Hydrology 187(1-2), 45-64.
Chen C.I., 1983, Rainfall intensity-duration-frequency formulas. Journal of Hydraulic Engineering 109(12),
1603-1621.
Chow V.T., 1964, Handbook of Applied Hydrology. McGraw- Hill, New York.
Chow V.T., Maidment D.R. e Mays L.W., 1988, Applied Hydrology. McGraw- Hill, New York.
Cowpertwait P.S.P., Metcalfe A.V., OConnell P.E., Mawdsley J.A., Threlfall J.L., 1991, Stochastic generation of
rainfall time-series. Found. Water Resources, Report FR0217, Swindon.
Cowpertwait P.S.P., 1994, A generalized point process model for rainfall. Proceedings of The Royal Society of
London, Series A, vol. 447, no. 1929, 23-37.
Cowpertwait P.S.P., OConnell P.E., Metcalfe A.V., Mawdsley J.A., 1996, Stochastic point process modeling of
rainfall. Journal of Hydrology 175, 17-65.
Cowpertwait P.S.P, 2003, A Stochastic Rainfall Model for North Shore City. Client Report for North Shore City
Council, May 2003.
Di Baldassarre G., Brath A., Montanari A., 2006, Reliability of different depth-duration-frequency equations
for estimating short-duration design storms. Water Resources Research 42, W12501.
Garcia-Bartual R. e Schneider M., 2001, Estimating maximum expected short-duration rainfall intensities from
extreme convective storms. Phys. Chem. Earth B 26, 675-681.
Gupta V.K., Waymire E., 1993, A statistical analysis of mesoscale rainfall as a random cascade. Journal of
Applied Meteorology 32, 251-267.
Heaney J.P., Nix S.J., 1977, Storm Water Management Model: Level 1-Comparative Evaluation of Storage
Treatment and Other Management Practices. EPA-600/2-77-083 (NTIS PB-265671), Environmental Protection
Agency, Cincinnati, OH.
Hershfield D.M., 1961, Estimating the probable maximum precipitation. Proc. ASCE, Journal of Hydraulic
Division 87(HY5), 99-106.
Koutsoyiannis D., 1994, A stochastic disaggregation method for design storm and flood synthesis. Journal of
Hydrology 156(1-4), 193-225.
Koutsoyiannis D., 2006, An entropic-stochastic representation of rainfall intermittency: The origin of
clustering and persistence. Water Resources Research 42(1), W01401.
52
Madsen H., Arnbjerg-Nielsen K., Mikkelsen P.S., 2009, Update of regional intensity-duration-frequency curves
in Denmark: Tendency towards increased storm intensities. Atmospheric Research 92, 343-349.
Marani M., 2003, On the correlation structure of continuous and discrete point rainfall. Water Resources
Research 39(5), 1128.
McKay A.M., 1970, Precipitation. In: Handbook on the principles of hydrology. D.M. Gray ed., National
Research Council of Canada, 2.1-2.111.
Olsson J., 1998, Evaluation of a cascade model for temporal rainfall disaggregation. Hydrol. Earth Syst. Sci. 2,
19-30.
Olsson J. e Berndtsson R., 1998, Temporal rainfall disaggregation based on scaling properties. Water Sci.
Technol. 37, 73-79.
Olsson J. e Burlando P., 2002, Reproduction of temporal scaling by a rectangular pulse rainfall model. Hydrol.
Process. 16, 611-630.
Onof C. e Wheater H.S., 1993, Modeling of British rainfall using a Random Parameter Bartlett-Lewis
Rectangular Pulse Model, Journal of Hydrology 149, 67-95.
Onof C., Chandler R.E., Kakou A., Northrop P., Wheater H.S. e Isham V., 2000, Rainfall modeling using
poisson-cluster processes: a review of developments. Stochastic Environmental Research and Risk Assessment,
vol. 14, no. 6, 384-411.
Onof C. e Townend J., 2004, Modeling 5-minute rainfall extremes. Hydrology: Science & Practice for the 21st
Century, British Hydrological Society, 377-388
Philips, D. L., J. Dolph, e D. Marks. A comparison of geostatistical procedures for spatial analysis of
precipitation in mountainous terrain. Agricultural and Forest Meteorology, 58, 1992: 119-141.
Prudhomme, C., e D. W. Reed. Mapping extreme rainfall in a mountainous region using geostatistical
techniques: a case study in Scotland. International Journal of Climatology, 19, 1999: 1337-1356.
Rodriguez-Iturbe I., Gupta V.K. e Waymire E., 1984, Scale considerations in the modeling of temporal rainfall,
Water Resources Research 20(11), 1611-1619.
Rodriguez-Iturbe I., Cox D.R. e Isham V., 1987, Some models for rainfall based on stochastic point processes.
Proceedings of The Royal Society of London, Series A, vol. 410, no. 1839, 269-288.
Tavares L.V., 1975, Continuous Hydrological Time Series Discretization, Journal Hydraulics Division, Proc.
ASCE, vol.101, no. HY1, 49-63.
Veneziano D. e Furcolo P., 2002, Multifractality of rainfall scaling of intensity-duration-frequency curves.
Water Resources Research 38(12), 1306.
Wenzel H.G., 1982, Rainfall for urban stormwater design. Cap. 2 Urban Stormwater Hydrology. Water
Resources Monograph 7, AGV. Washington D.F.
Yarnell D.L., 1935, Rainfall intensity-frequency data. U.S. Dep. Agric. Misc. Publ., 204.
53
ISBN 978-88-7479-124-8
2013, Arpa Piemonte

Via Pio VII, 9 10135 Torino Italia
www.arpa.piemonte.it

Le Precipitazioni Intense in Piemonte PDF

Caricato da

Copyright:

Formati disponibili

Le Precipitazioni Intense in Piemonte PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Le Precipitazioni Intense in Piemonte PDF

Caricato da

Copyright:

Formati disponibili

LE PRECIPITAZIONI

Progetto e coordinamento generale:

RACCORDO TRA SERIE DERIVANTI DA STRUMENTI MECCANICI ED AUTOMATICI

ATLANTE DELLE PRECIPITAZIONI INTENSE

Finito di stampare nel mese di luglio 2013 presso la tipografia

Stampato su carta certificata FSC recycled credit,

2013, Arpa Piemonte

LE OPPORTUNIT NON HANNO CONFINI

2. Raccordo tra serie derivanti da strumenti meccanici

3. Atlante delle precipitazioni intense..........................................................34

1. Analisi climatica degli eventi pluviometrici estremi

1.2. Raccolta di dati

Le stazioni su cui si concentrata la digitalizzazione, la verifica e lanalisi di lunghe serie temporali

Anni Stazione Provincia Coordinate Coordinate Quota Bacino di

Tab. 1. Anagrafica delle stazioni digitalizzate

1.2.1 Stazione di Pallanza

Periodo Latitudine N Longitudine W Quota Spostamento Spostamento Letture

Localit Longitudine E Latitudine N Quota [m s.l.m.] Periodo di attivit

Fig. 1. Modello 1 - Stazione Vercelli

Fig. 2. Modello 2 - Stazione Bra

Fig. 3. Modello 3 Stazione Pallanza

Fig. 4a. Fotocopie pessime

Fig. 4b. Doppia traccia

Fig. 4c. Saturazione

Fig. 4d. Enorme macchia

1.3.1. Indici di eventi estremi

1.3.2 Test di Mann-Kendall

Sia x1.....xn una serie di dati.

1.3.3. Peaks-Over-Threshold (POT)

1.4. Analisi dei risultati

1.4.1 Massimi annuali

Fig. 5. Media mobile a 5 anni, del massimo annuale:

1.4.2 Massimi stagionali

Durata Pallanza Vercelli Lombriasco Bra

Tab. 4. Risultati dellapplicazione del test di Mann-Kendal per i massimi primaverili.

1.4.3 Indicatore di frequenza

1.4.4 Indicatore di intensit

Fig. 8. Media mobile a 5 anni dellindicatore di intensit:

1.4.5 Peaks over threshold

Fig. 9. Selezione del Threshold per le precipitazioni di durata di unora (Vercelli)

Fig. 10. Grafico diagnostico (precipitazione di unora stazione di Vercelli)

Scala temporale (ora) 1 2 3 6 12

2. Raccordo tra serie derivanti da strumenti

Localit Quota Differenza Distanza Periodo

2.2. Confronto tra gli strumenti delle due reti meteorologiche

Stazioni meteorologiche di Vercelli(VC) Stazione del SIMN Stazione dellARPA

Fig. 3. Carta della localizzazione delle due stazioni meteorologiche di Vercelli.

Stazioni meteorologiche di Bra (CN) Stazione del SIMN Stazione dellARPA

2.3. Metodi di analisi e di confronto dei dati pluviometrici

Localit [SIMN/ARPA] K-S test Coeff. Corr.

3. Atlante delle precipitazioni intense

di pioggia di durata sub-oraria sono invece caratterizzate da dimensione campionaria generalmente

i(d) = i0 (1+ B d) (2)

3.2. La raccolta dati

3.2.1 Enti preposti al monitoraggio

3.2.2 Disponibilit di dati

Fig. 2. Disponibilit complessiva massimi annuali di pioggia per durata 30 minuti

Fig. 3. Elementi caratteristici di un variogramma

3.3.1. Determinazione del trend tra quota e precipitazione