Federico Falcinia, Mario Benincasaa,b, Jaime Pitarcha
a Istituto di Scienze Marine, Consiglio Nazionale delle Ricerche (CNR-ISMAR), Roma
b RHEA Group, Frascati
Questo studio è stato sviluppato con il supporto della piattaforma CosteLab nell’ambito del “Progetto Premiale Rischi Naturali Indotti dalle Attività Umana – COSTE”, n. 2017-IE.0, finanziato dal Ministero dell’Università e della Ricerca (MUR), coordinato da ASI e sviluppato da e-GEOS e Planetek Italia con la partecipazione del Consiglio Nazionale delle Ricerche (CNR), Meteorological Environmental Earth Observation (MEEO) e Geophysical Applications Processing (GAP) srl
Risultati SAR generati dal processamento di prodotti CSK®, ASI ©, consegnati secondo licenza d’uso ASI
Obiettivi del tema di ricerca
All’interno di questo tema di ricerca è stato sviluppato un approccio basato sul telerilevamento che stima la concentrazione dei sedimenti sospesi, ovvero quelli che effettivamente contribuiscono alla dinamica morfologica delle coste. Per questo lavoro sono stati utilizzati dati multispettrali relativi al colore dell’oceano e un set completo di osservazioni marine in situ. La nostra strategia si è sviluppata su due fronti: i) il recupero della “distribuzione granulometrica” (GSD) tramite lo spettro del coefficiente di backscattering delle particelle bbp(λ) [1], per la zona target della foce del Tevere (Mar Tirreno); ii) le tendenze statistiche del TSM (Total Suspended Matter) per l’intera costa adriatica, allo scopo di fornire una valutazione generale su zone di sotto-alimentazione di sedimento. Inoltre, per il settore Adriatico è stata applicata una nuova metodologia che combina i dati osservati di TSM con un modello numerico, allo scopo di accoppiare i dati satellitari relativi ai sedimenti sospesi con i campi di velocità delle correnti marine generati dal modello. Questo ha permesso di ottenere una stima del flusso di sedimenti e la sua divergenza lungo la costa adriatica.
Materiali e Metodi
Per il Mar Tirreno sono stati utilizzati i dati del sensore satellitare Moderate Resolution Imaging Spectro-radiometer (MODIS) in quanto fornisce un ampio dataset a singolo sensore che include l’evento alluvionale del novembre 2012. Abbiamo scaricato le immagini AQUA L1A per il periodo che va dal 2002 al 2014. I dati L2 sono stati calcolati con il software Seadas 7.0 per mezzo del comando l2gen. La soglia delle nuvole è stata impostata a 0.012. Le Remote Sensing Reflectance (Rrs) sono state estratte da un’area di 20×20 km centrata intorno alla foce del fiume Tevere. Per tracciare l’acqua torbida del fiume al largo della foce, sono stati selezionati i valori massimi di Rrs(667) per ogni giorno (in pratica, è stato scelto il pixel più vicino al 99.5° percentile, per evitare outlier). Abbiamo così ottenuto una serie temporale di Rrs giornalieri (a 443, 488, 555 e 667 nm) sincroni ai dati di scarico delle acque. Gli spettri Rrs medi mensili sono stati poi utilizzati per calcolare la pendenza spettrale mensile di backscattering delle particelle (h) (eq.1).
(Eq.1)
Il passo successivo è stata la stima della GSD dal coefficiente di backscattering del particolato bbp(l). Kostadinov et al. (2009) [1] descrive la procedura matematica ed in particolare, la relazione tra h e x:
(Eq. 2)
In particolare, per questo lavoro, abbiamo definito le tre seguenti classi granulometriche: sedimento fine (3.9 – 62.5 µm), sedimento medio (62.5 – 125 µm); sedimento grossolano (125 – 250 µm).
Per la stima del TSM nel Mar Adriatico abbiamo accoppiato il test di Mann-Kendall e il metodo di Sens, che sono qui applicati a una serie temporale mensile destagionalizzata ottenuta dalla tecnica X-11. Il dataset copre il periodo che va dal 04/01/2003 al 07/04/2012, con una risoluzione temporale giornaliera e una risoluzione spaziale di 300 m. Poiché la componente stagionale può causare delle oscillazioni nel segnale di tendenza, abbiamo rimosso questa componente dal dataset Coastcolour TSM (http://www.coastcolour.org/) prima di determinare il valore finale.
Infine, per stimare la divergenza del flusso di sedimenti, abbiamo combinato dati TSM telerilevati (Coastcolour) con un campo di velocità derivato da modello oceanografico MITgcm (Massachusetts Institute of Technology General Circulation Model; http://mitgcm.org), impostato per catturare le dinamiche costiere di meso e sub-mesoscala [2]. In dettaglio, sono stati utilizzati dei campi giornalieri di velocità di corrente marina, accoppiandoli con osservazioni corrispondenti di TSM, in modo da ottenere implicitamente i campi di divergenza di flusso di sedimento. Questa informazione è strettamente legata al riconoscimento di zone di deposizione ed erosione di sedimento lungo l’area costiera dell’Adriatico occidentale.
I dati del modello sono disponibili ogni 3 ore, mentre i dati del satellite approssimativamente ogni 24 ore (a seconda dei tempi di sorvolo del satellite). Di conseguenza, è stato utilizzato per ciascun giorno un solo valore dal modello, ovvero il più sincrono al dato satellitare.
Risultati e Discussione
Al largo del delta del fiume Tevere, è possibile osservare una relazione tra le caratteristiche della fase di flusso (cioè l’erraticità del flusso) e la GSD. Confrontando la pendenza mensile dello spettro di backscattering delle particelle (h) e il coefficiente di variazione (CV), è visibile come un aumento del CV comporti valori più negativi di h, ad indicare particelle più grossolane in sospensione. Contrariamente, un decremento di CV comporta particelle più fini in sospensione (Fig.1). Oltre a trasportare la frazione di sedimento più grossolana al largo della foce del fiume, le “piene erratiche” (cioè impulsive) sembrano essere anche efficienti nello spargere sedimenti lungo la costa, fornendo così un potenziale contributo alla stabilità costiera [3,4]. Infatti, mappando il volume dei sedimenti più grossolani (125 – 250 µm) rispetto al volume totale dei sedimenti (Fig.1), si può notare come un alto valore di CV comporti un pennacchio costiero molto più ampio rispetto alle piene caratterizzare da un basso valore di CV. Ciò è dovuto principalmente all’elevata portata che caratterizza le “piene erratiche” .
Figura 1: Concentrazione percentuale della frazione di sedimento grossolano rispetto al volume totale di sedimento. Le frecce indicano la posizione degli eventi mappa all’interno del grafico centrale. Lo scarico d’acqua (Qw) è indicato per ogni evento mappato. Il grafica centrale rappresenta il coefficiente di variazione della portata mensile del fiume (CV) rispetto alla pendenza mensile dello spettro di backscattering delle particelle (h). Il diametro dei punti è proporzionale al numero di immagini satellitari prive di nuvole. È inoltre rappresentato la migliore interpolazione lineare (linea nera). I mesi con meno di 3 osservazioni valide sono stati scartati, poiché per essi non è possibile calcolare la deviazione standard. Il colore dei punti indica il mese (vedi barra dei colori).
A scala di sottobacino, per il Mar Adriatico, ci siamo concentrati sul bilancio dei sedimenti sospesi che alimentano l’area costiera italiana. Utilizzando l’analisi statistica basata sui dati satellitari, è stato possibile valutare la distribuzione dei sedimenti sospesi lungo la costa da un punto di vista climatico. In particolare, abbiamo constatato un trend positivo al largo del Delta del Po, dovuto all’apporto di sedimenti dal fiume, che conferma l’equilibrio geomorfologico costiero di quest’area. Tuttavia, la porzione settentrionale e centrale delle coste italiane è caratterizzata da un trend negativo che indica una sotto-alimentazione di sedimento, e che a sua volta può essere correlato all’erosione costiera su ampia scala spazio-temporale (Fig.2).
Figura 2: A sinistra il trend statistico della concentrazione di TSM nel periodo 2003-2012. A destra la significatività statistica di questo trend. I pixel bianchi indicano i valori significativi.
In figura 3 vengono mostrate le medie mensili dei campi di divergenza del flusso di sedimenti: Dicembre 2011, Gennaio 2012, Febbraio 2012 e Marzo 2012. Un pixel con divergenza positiva (giallo o rosso) indica un punto caratterizzato da erosione, o più correttamente, un punto dove i sedimenti vengono risospesi nel flusso d’acqua. Al contrario, un pixel con divergenza negativa (blu o azzurro) indica un punto caratterizzato da deposito di sedimenti, o un punto in cui i sedimenti sospesi stanno precipitando nella colonna d’acqua.
Figure 3: Medie mensili dei campi di divergenza del flusso di sedimenti: (a) Dicembre 2011; (b) Gennaio 2012; (c) Febbraio 2012; and (d) Marzo 2012.
I nostri risultati forniscono uno strumento basato su dati satellitari, in grado di effettuare un’indagine sinottica delle caratteristiche granulometriche dei sedimenti sospeso di origine fluviale. In particolare, è emersa una relazione tra la distribuzione granulometrica e le fasi di flusso (erratico vs. persistente), anche in relazione alla stagionalità. Questa analisi dimostra l’efficacia geomorfologica delle piene specifiche, cioè quelle piene impulsive che sono in grado di depositare lungo le coste il carico sospeso più grossolano.
L’analisi climatologia della distribuzione di TSM ha inoltre confermato il rapporto meccanicistico fra la diminuzione della portata del Fiume Po, osservato a partire dal 2003 [5], ed il flusso di sedimenti che si dirada dalla sua foce che ha a sua volta ridotto drasticamente la sua capacità di ridistribuire il sedimento sospeso lungo tutta la costa adriatica. Questo spiegherebbe i due trend del TSM che abbiamo constatato, cioè un trend positivo immediatamente al largo della foce del fiume e un trend negativo lungo tutta la costa nord e centro-orientale. Infine, tramite l’accoppiamento di dati telerilevati di TSM e la modellistica numerica per le correnti marine è stato possibile investigare la legge di conservazione di massa legata ai bilanci erosivo-deposizionali del sedimento lungo costa a scala regionale e di bacino.
Possibili sviluppi futuri
Questo lavoro ha esplorato la capacità dei dati satellitari di caratterizzare i sedimenti sospesi in termini di distribuzione granulometrica (GSD) e questo ambito di ricerca sta diventando un argomento cruciale nella geomorfologia fluviale. Tuttavia, la GSD delle particelle sospese derivanti dai fiumi è ancora raramente quantificata e insufficientemente documentata. La relazione tra il coefficiente di attenuazione spettrale del fascio (c_p) e la GSD è stata teorizzata e verificata sperimentalmente, tuttavia questi risultati non potevano essere applicati al telerilevamento in quanto questo coefficiente non è recuperabile dalle immagini satellitari. Fortunatamente, dopo che i misuratori ottici di backscattering commerciali sono diventati disponibili, la ricerca sta fornendo la prova di come il coefficiente di backscattering spettrale delle particelle (bbp) e il GSD siano correlati in modo molto simile rispetto a quanto accade tra c_p e GSD. I vantaggi di questa scoperta si basano sul fatto che il bbp può essere recuperato tramite i dati satellitari relativi al colore dell’oceano. Tutto ciò pone le basi per future indagini sulla variabilità flusso-corrente, sui modelli di pennacchio fluviale e sul GSD dei sedimenti sospesi dalle analisi satellitari.
L’ accoppiamento fra dati telerilevati di TSM e correnti marine da modelli numerici ha infine poste le bassi per la comprensione dei processi erosivi-deposizionali del sedimento lungo la costa, il riconoscimento di aree di sotto-alimentazione di sedimento e quindi la diagnostica delle eventuali aree di potenziale erosione costiera.
Pubblicazioni e Presentazioni
- Pitarch, J., Falcini, F., Nardin, W., Brando, V. E., Di Cicco, A., & Marullo, S. (2019). Linking flow-stream variability to grain size distribution of suspended sediment from a satellite-based analysis of the Tiber River plume (Tyrrhenian Sea). Scientific reports, 9(1), 1-10.
- Falcini, F., Pitarch, J., Nardin, W., Brando, V., Di Cicco, A., & Marullo, S. (2019, December). Linking flow-stream variability to grain size distribution of suspended sediment from a satellite-based analysis. In AGU Fall Meeting Abstracts (Vol. 2019, pp. EP11E-2071).
- Benincasa, M., Falcini, F., Adduce, C., Sannino, G., & Santoleri, R. (2019). Synergy of satellite remote sensing and numerical ocean modelling for coastal geomorphology diagnosis. Remote Sensing, 11(22), 2636.
- Benincasa, M., Falcini, F., Adduce, C., Santoleri, R., & Sannino, G. (2018, October). Remote sensing and coastal morphodynamic modelling. In 2018 IEEE International Workshop on Metrology for the Sea; Learning to Measure Sea Health Parameters (MetroSea) (pp. 1-6). IEEE.
- Falcini, F., Di Cicco, A., Pitarch, J., Marullo, S., Colella, S., Volpe, G., … & Santoleri, R. (2016, April). Remote sensing analysis of the Tiber River sediment plume (Tyrrhenian Sea): spectral signature of erratic vs. persistent events. In EGU General Assembly Conference Abstracts (pp. EPSC2016-8466).
- Falcini, F., Di Cicco, A., Pitarch, J., Colella, S., Lai, A., Marullo, S., … & Volpe, G. (2015, December). Variability of spatial patterns of total suspended matter in the Tyrrhenian Sea coasts from remote sensing data. In AGU Fall Meeting Abstracts (Vol. 2015, pp. EP21D-01).
Bibliografia
- Kostadinov, T.S., Siegel, D.A., Maritorena, S. (2009). Retrieval of the particle size distribution from satellite ocean color observations. Journal of Geophysical Research: Oceans, 114(C9).
- McKiver, W.J., Sannino, G., Braga, F., Bellafiore, D. (2015). Investigation of model capability in capturing vertical hydrodynamic coastal processes: a case study in the North Adriatic Sea. Ocean Science Discussions, 12(4).
- Edmonds, D.A., & Slingerland, R.L. (2010). Significant effect of sediment cohesion on delta morphology. Nature Geoscience, 3(2), 105.
- Falcini, F., Khan, N.S., Macelloni, L., Horton, B.P., Lutken, C.B., McKee, K.L., … D’Emidio, M. (2012). Linking the historic 2011 Mississippi River flood to coastal wetland sedimentation. Nature Geoscience, 5(11), 803.
- Zanchettin, D., Traverso, P., Tomasino, M. (2008). Po River discharges: a preliminary analysis of a 200-year time series. Climatic Change, 89(3-4), 411-433.