Informations et ressources scientifiques
sur le développement des zones arides et semi-arides

Titre : Improving drought monitoring via machine learning : a new impact-based drought index

Auteur : Cananzi, Davide

Université de soutenance : Politecnico di Milano

Grade : Tesi di laurea Magistrale 2021

Résumé
Gli eventi di magra sono fenomeni complessi e, in quanto tali, difficili da definire e monitorare. Nel corso degli anni molte definizioni sono state proposte ma, nonostante gli sforzi profusi, non ne é stata trovata una univoca, rendendo difficile il loro studio e gli impatti sui settori coinvolti. Nonostante la gestione delle magre sia stata largamente trattata in letteratura, gli indici tradizionali non sempre riescono ad individuare in modo univoco e concorde gli eventi critici in bacini altamente regolati ; questa limitazione é tuttora ampiamente dibattuta. In questo contesto, l’obiettivo di questa tesi é quello di utilizzare tecniche avanzate di Machine Learning per sviluppare una procedura automatica e basata sui dati per creare un indice rappresentativo degli impatti in uno specifico sito. In particolare, questa tesi potenzia FRIDA (Framework for Index-based Drought Analysis), un framework consolidato che identifica le principali variabili che portano a condizioni di magra, operazione che avviene tramite un algoritmo di estrazione delle caratteristiche, e successivamente combina le informazioni disponibili rilevanti al fine di creare un indice che sia un surrogato rappresentativo degli impatti della magra all’interno dell’area considerata. Nelle precedenti applicazioni di questo framework, la variabile scelta come target era l’output di modelli complessi ; qui, invece, viene utilizzata una quantitá telerilevata chiamata Normalized Difference Vegetation Index. Con l’introduzione di questo elemento di novitá stiamo ampliando il dominio di applicazione dell’approccio, utilizzando una procedura data-driven ed eliminando la dipendenza da modelli complessi. Questo consente di estendere l’utilizzo di questo strumento potenzialmente a ogni parte del mondo coperta da dati satellitari, in quanto disponibili con buona risoluzione spaziale e quasi in tempo reale, anche dove l’implementazione di modelli fisicamente basati risulta difficoltosa. Per testare questo approccio é stato considerato un caso di studio in Puglia. La Puglia risulta essere un banco di prova appropriato in quanto é una regione sitibonda, altamente regolata e perlopiù agricola. I risultati mostrano che l’indice cosí costruito é migliore rispetto agli indici tradizionali nel riprodurre l’NDVI. La stessa procedura é stata applicata sia a scala regionale che a sei sotto-aree meno estese ed eterogenee, i Consorzi di Bonifica. Anche in questo caso, il framework in esame consente di costruire un indice di magra in grado di replicare lo stato siccitoso dell’area, ottenendo risultati migliori rispetto agli indici tradizionali. Inoltre, FRIDA rappresenta uno strumento utile a supporto dell’analisi delle condizioni di magra per ogni Consorzio poiché in grado di mettere in evidenza similitudini e differenze in termini di driver della siccità tra le aree considerate.

Présentation