La previsione degli incendi in ambiente GIS: valutazione della pericolosità

ambientale mediante analisi multicriteriale (AMC)

Daniela Mele, Fabrizio Murè, Ivan Panzera Pisa, 18 Marzo 2016
Nel presente studio si è voluto ricreare un modello georeferenziato con cui valutare la pericolosità
intrinseca dei luoghi a generare o a favorire la propagazione di un incendio nell’ area compresa all’
interno del bacino idrografico del fiume Cecina (provincia di Livorno – Italia). La finalità di una
analisi di questo tipo è quella di individuare le zone più sensibili ad un rischio ambientale, dato in
questo caso dall’ insorgersi e dal propagarsi dell’ incendio, e consentire un valido supporto alla
pianificazione di adeguati accorgimenti di sicurezza. Generalmente all’ interno delle discipline
avente un approccio valutativo di tipo probabilistico il rischio è definito a partire dalla probabilità di
accadimento di un determinato evento sfavorevole e dall’ entità del danno che tale evento è in grado
di produrre. Anche nell’ ambito ambientale esso può essere espresso dalla seguente relazione:

𝑅 =𝐷∙𝑃
con

P – Pericolosità: ovvero la probabilità che l'incendio possa innescarsi in una data area e in
determinato periodo di osservazione temporale.

D – Danno: deriva dal prodotto del bene per la sua vulnerbilità e può essere espresso in termini
monetari e/o in numero di unità esposte.

Nello studio si ci è limitati alla valutazione della pericolosità intrinseca dei luoghi il cui risultato
finale consiste in una georeferenziazione del livello di pericolosità di ciascuna area del caso di
studio nel formato di una mappa raster. La realizzazione del modello ha seguito le seguenti fasi:

1) Individuazione dei fattori ambientali necessari a descrivere e ad analizzare il fenomeno del

rischio incendio.
2) Costruzione di un diagramma decisionale ad albero [Figura 1] e gestione delle relazioni
gerarchiche fra i diversi livelli, strutturazione delle matrici dei confronti a coppie e calcolo dei pesi
per analisi multicriterio (AMC).

3) Normalizzazione degli attributi pesati, in un intervallo compreso tra [0, 1], in modo da poter
essere confrontati tra loro e successivamente sommati nella fase di ricomposizione gerarchica del
modello AMC.

4) Ricomposizione dell'albero secondo il principio di composizione gerarchica effettuando le

somme pesate degli attributi pesati e normalizzati, tramite metodologie di map algebra.

Si è operato attraverso layer georeferenziati nel formato raster attinenti al territorio preso in esame
ottenuti dal portale di Informazione Geografica della Regione Toscana1, rielaborati con il software
Quantum GIS 2.10.

1
http://www.regione.toscana.it/enti-e-associazioni/pianificazione-e-paesaggio/informazione-geografica
1
1. Valutazione dei fattori ambientali

I fattori ambientali individuati al fine di descrivere lo sviluppo degli incendi possono essere
suddivisi in tre gruppi in relazione alla natura del loro apporto alla frequenza e alla intensità del
fenomeno. Si hanno:

1) Fattori ambientali statici: determinati dalle componenti che non cambiano o cambiano molto
lentamente nel tempo. Si sono considerati: pendenza, esposizione, uso suolo, vicinanza a strade di
diversa entità.

2) Fattori ambientali dinamici: considera i parametri legati all'innesco del fuoco che variano
rapidamente nel tempo come le condizioni microclimatiche in tempi recenti e lo stato della
vegetazione. I dati metereologici legati al rischio di incendio e considerati nel modello sono:
temperatura, precipitazioni, giorni senza pioggia, radiazione globale.

3) Fattori ambientali modellistici: considera i parametri legati all'innesco del fuoco che variano
rapidamente nel tempo come le condizioni microclimatiche. I dati metereologici legati al rischio di
incendio e considerati nel modello sono gli stessi della componente dinamica, oltre ai campi di
vento, che provengono da modelli di previsione meteorologica. Non si è fatto uso di questo genere
di fattori nel presente studio.

Il seguente schema riassume le classificazioni svolte:

Figura 1: Albero decisionale gerarchico per il modello rischio incendi

Vediamo in dettaglio queste componenti.

1.1. Pendenza

Una mappa dell’ acclività è stata determinata a partire dal modello digitale di elevazione (DEM) del
territorio a sua volta ottenuto mediante interpolazione spaziale IDW (distanza inversa ponderata) da
un layer vector contenente dei punti quotati. In ambiente raster essa è definita come il massimo
tasso del cambio di valore tra una cella e le celle del suo intorno. Si è considerato il fatto che una
maggiore pendenza possa risultare di maggior pericolo in quanto ciò è legato ad una maggiore
difficoltà di intervento da parte dell’ uomo per reprimere l’ incendio, si è dunque creato un nuovo
2
layer raster con valori normalizzati in relazione alla pericolosità (da 0 – pericolosità minima a 1 –
pericolosità massima):

Figura 2 – Colore più scuro indica valori più alti, dunque una maggiore pendenza

1.2. Esposizione

Ricavata a partire dal modello di elevazione digitale, consiste nella direzione cardinale di massima
pendenza di ciascuna cella rispetto alle celle del suo intorno. Si è normalizzato il dato mediante una
funzione che ha consentito di assegnare valore massimo di pericolosità (1) alle porzioni di terreno
con esposizione S-SW, presa come la più favorevole all’ innesco di incendi, mentre assegni valore
minimo (0,1) alla direzione N-NE ad essa opposta.

Figura 3 – Le zone più chiare sono quelle esposte maggiormente a sud

3
1.3. Uso del suolo

Si è preso un layer contenente i limiti territoriali dei diversi impieghi del suolo. Lo shapefile
sull’uso del suolo è stato classificato assegnando ad ogni tipologia di suolo uno specifico grado di
incendiabilità .
E’ stato scelto di assegnare il valore 1, maggiore incendiabilità, alle aree boscate perché
chiaramente più ricche di biomassa vegetale su cui un incendio può non solo attecchire ma
soprattutto svilupparsi con fenomeni di notevole ampiezza e violenza dati sia dalla grande biomassa
vegetale (in termini anche di densità di popolazione) sia dall’ampiezza dell’area stessa in termini di
km2.
Valori poco inferiori (tra 0,9 e 0,7) sono stati assegnati alle aree coltivate sia con alberi (es. uliveti,
frutteti) sia ai vigneti e alle aree arbustive: in queste infatti la biomassa vegetale è normalmente
inferiore rispetto alle aree boschive e inoltre, per le aree coltivate, è predeterminata da scelte
antropiche; inoltre le specie vegetali che in questi suoli si ritrovano presentano una taglia più
piccola rispetto agli alberi ad alto fusto tipici di un bosco riducendo, anche se di poco,
l’incendiabilità degli stessi.
Un range intermedio e ampio di valori (0,6- 0,3) è stato assegnato ai suoli tipo ‘prati’ e ‘incolti’ che,
per le loro caratteristiche, sono più poveri in biomassa in quanto costituiti soprattutto da piante
erbacee; qui, l’ampiezza dell’incendio dipende chiaramente dalla vastità dell’area e può interessare
anche diversi km2, ma la violenza dell’evento è normalmente più contenuta rispetto ai boschi.
Inoltre l’incendiabilità di uno stesso suolo può essere legato a quanto verde o secca sia l’area stessa.
Chiaramente i più bassi valori di incendiabilità (0,2-0,1) sono stati attribuiti a tutte quelle aree che
per loro natura sono prive o quasi di vegetazione, e in questo gruppo sono state inserite sia le aree
antropizzate (centri abitati, aree industriali, ecc.) sia rupi e simili sia le aree marine e lacustri, tutte
aree che per motivi seppure diversi hanno in comune la quasi assenza di ‘verde’ e quindi la scarsa
probabilità di essere soggetti a incendi.

Figura 4 – il colore più scuro indica i valori più alti di pericolosità

4
1.4. Vicinanza dalle strade

La vicinanza a delle strade garantisce un miglior livello di gestione e controllo del fenomeno
incendi, sia nella fase di innesco che durante la sua propagazione. Si è tenuto in considerazione il
fatto che su strade a maggior circolazione di veicoli gli inneschi di incendio da parte di persone
malintenzionate risultino più difficili, al contempo tali strade garantirebbero un livello di intervento
più rapido dei Vigili del Fuoco. Per queste ragioni, una volta assegnata una funzione che permette di
associare alle zone un livello di pericolosità (normalizzata) in relazione alla distanza,
rispettivamente, da strade comunali e da strade provinciali, si sono poi sommati i due raster così
creati ottenendone un terzo di somma ponderata, attribuendo un maggior peso (dunque una
maggiore pericolosità) alle strade comunali, ove i vantaggi predetti risultano di minore efficacia. Si
ha pertanto la seguente relazione a costituzione del raster somma:

𝑉𝑤 = 0,7 ∙ 𝑉𝑐,𝑛𝑜𝑟𝑚 + 0,3 ∙ 𝑉𝑝,𝑛𝑜𝑟𝑚

con:
𝑉𝑤 valore di pericolosità ponderato
𝑉𝑐,𝑛𝑜𝑟𝑚 valore pericolosità dato dalla distanza da strade comunali normalizzato
𝑉𝑝,𝑛𝑜𝑟𝑚 valore pericolosità dato dalla distanza da strade provinciali normalizzato

Un’ esposizione grafica del risultato raster è rappresentata dalla seguente figura:

Figura 5 – le zone più chiare sono quelle aventi valori più alti

1.5. Fattori ambientali dinamici

A partire da un giorno prestabilito dell’ anno, si sono costruite delle mappe raster in relazione a
particolari fattori climatici misurati da stazioni di rilevamento di cui si possiede la
5
georeferenziazione per il territorio di nostro interesse. Il dato raster è stato ottenuto dunque a partire
da valori vettoriali puntuali attraverso algoritmo di interpolazione spaziale IDW. A seguito della
creazione delle mappe si sono normalizzati i valori di ciascuna cella con una funzione che ha
permesso di esprimere il livello di pericolosità da 1 (massima) a 0 (minima).

A seguire le mappe normalizzate [Figure 6,7,8,9]:

Figura 6 - Mappa giorni senza pioggia negli ultimi 20
giorni (giorno senza pioggia ovvero con precipitazione
giornaliera inferiore a 1mm). I massimi valori (colore
scuro) rappresentano i luoghi in cui si sono avuti più
giorni di siccità.
Figura 7 - Mappa radiazione globale degli ultimi 5 giorni
espressa da misure in W/m2. Valori più alti (colore
chiaro) si hanno in corrispondenza delle aree che più sono
state soggette a radiazione.

Figura 9 - Mappa temperatura media degli ultimi 5 giorni.

Figura 8 - Mappa precipitazioni medie degli ultimi 5 Valori più alti (colore scuro) si trovano nelle zone con
giorni.I valori più alti (colore chiaro) si hanno in temperature medie maggiori, dunque a pericolosità
corrispondenza delle aree che hanno registrato minori maggiore.
precipitazioni.

6
2. L’ Analisi Multicriterio (AMC)

2.1. L'Analisi Multicriterio (AMC) in ambito GIS

L’analisi multicriterio (AMC) è una tecnica orientata a supportare il decisore qualora si trovi a
operare con valutazioni numerose e conflittuali, consentendo di ottenere una soluzione di
compromesso in modo trasparente. I metodi di analisi multicriterio supportano il decisore nella fase
di organizzazione e sintesi di informazioni complesse e spesso di natura eterogenea. Tale
metodologia permette al decisore di analizzare e valutare diverse alternative, monitorandone
l’impatto sui differenti attori del processo decisionale. In linea di massima, l’AMC viene utilizzata
in tutti quei domini in cui non è possibile applicare direttamente un metodo di ottimizzazione,
essendo presenti numerosi criteri di decisione.

In ambito GIS le tecniche AMC aiutano i decisori nel raggiungimento di una maggiore efficacia ed
efficienza nella risoluzione di problemi territoriali complessi, tra cui sicuramente fa parte la
valutazione del rischio ambientale. I modelli di analisi multicriterio spaziale sono uno strumento
efficace per la definizione degli scenari di rischio e rappresentano una solida base per mettere in
atto misure preventive e piani di gestione antiincendio per meglio tutelare le persone e i beni
coinvolti.
Una volta determinati i livelli/criteri coinvolti nel modello, si è proceduto alla strutturazione della
matrice dei confronto a coppie ed al relativo calcolo dei pesi necessario per implementare l’ analisi
multicriterio finalizzata alla previsione degli incendi.

Il metodo usato nell'esercitazione è noto come metodo di Saaty. Questo metodo consente
prevalentemente di assegnare una priorità ad una serie di alternative decisionali (stimoli) o di
mettere in relazione criteri caratterizzati da valutazioni qualitative e quantitative e quindi non
direttamente confrontabili, combinando scale multidimensionali di misure in una singola scala di
priorità (Saaty, 1980; Figueira, 2005).
Il metodo si basa su una serie di confronti a coppie fra i criteri attribuendo ad essi un punteggio di
importanza relativa e termina con l’assegnazione di un peso percentuale. Naturalmente la somma di
tutti i pesi percentuali deve essere pari al 100%.
I punteggi da utilizzare ad ogni confronto sono, in linea di massima, arbitrari e corrispondono
generalmente al numero di livelli qualitativi da considerare durante i confronti a coppie.

Definiamo 𝐴𝑖 il singolo stimolo e 𝑎𝑖𝑗 il valore numerico risultante dal confronto fra i criteri i e j e
consideriamo un numero di criteri pari a n. Il risultato di tutti i confronti (in totale n(n −1) / 2 ),
genererà la matrice 𝑨𝒏𝒙𝒏 che verrà poi utilizzata per creare il vettore dei pesi percentuali (priorità)
di ogni singolo criterio.

Generalmente si considera una scala di valutazione che varia da 1 a 9, dove ogni livello della scala
corrisponde alla seguente valutazione:

7
 Valore 𝑎𝑖𝑗 Interpretazione

1 i e j sono equamente importanti

3 i è poco più importante di j
5 i è abbastanza più importante di j
7 i è decisamente più importante di j
9 i è assolutamente più importante di j
1/3 i è poco meno importante di j
1/5 i è abbastanza meno importante di j
1/7 i è decisamente meno importante di j
1/9 i è assolutamente meno importante di j
Tabella 1: La scala di valutazione

Naturalmente è possibile assegnare, nel caso sia necessaria maggior precisione, anche valori
intermedi non presentati nella tabella (ad esempio 2, 4, 6, 8, 1/2, 1/4, ecc.).

I valori 𝑎𝑖𝑗 della matrice A sono caratterizzati dalle seguenti proprietà:

1) se 𝑎𝑖𝑗 = 𝑎, allora 𝑎𝑗𝑖 = 1⁄𝑎 , con a > 0 ;
2) se lo stimolo 𝐴𝑖 è giudicato essere di uguale intensità relativa ad 𝐴𝑗 , allora 𝑎𝑖𝑗 = 𝑎𝑗𝑖 = 𝑎.
3) 𝑎𝑖𝑗 = 1 se i=j (diagonale principale).

Per maggior chiarezza occorre precisare che l’indice i rappresenta le righe della matrice dei
confronti a coppie, mentre l’indice j indica le colonne; in pratica vengono effettuati i confronti tra
gli elementi della regione triangolare superiore della matrice (in giallo) utilizzando poi i reciproci
per la parte triangolare inferiore (in celeste), mentre gli elementi della diagonale sono tutti valori
unitari (in verde). Di seguito un esempio generico con una matrice 3x3:

1 a b
1⁄𝑎 1 c
1⁄𝑏 1⁄𝑐 1

Tabella 2 – Esempio matrice di confronto

Ottenuta la matrice A dei confronti a coppie, per calcolare il vettore dei pesi percentuali da
assegnare ad ogni stimolo basta determinare il massimo autovalore λ e il relativo autovettore
𝒗𝝀 di A stessa (Kardi, 2006). Normalizzando l’autovettore 𝑣𝜆 in modo che la somma dei suoi
elementi sia pari a 1 (qualora sia necessario), otteniamo il vettore dei pesi percentuali o delle
priorità relativi agli stimoli𝐴𝑖 .

8
2.2. Applicazione nel caso di studio

Il confronto multicriterio è stato applicato in modo separato ai fattori (definiti come stimoli) statici
in una data matrice di confronto 4x4 e ai fattori dinamici in un’ altra matrice di confronto 4x4. Da
entrambe si sono ottenuti i massimi autovalori e il relativi autovettori che normalizzati costituiscono
il vettore dei pesi.

Data indifferentemente una delle due matrici di confronto degli stimoli 𝑆𝑖 con i=1,2,3,4:

𝑎11 𝑎12 𝑎13 𝑎14

𝑎 𝑎22 𝑎23 𝑎24
𝐴4𝑥4 = (𝑎21 𝑎32 𝑎33 𝑎34 )
31
𝑎41 𝑎42 𝑎43 𝑎44
E il vettore dei pesi percentuali:
𝑝1
𝑝
𝑃 = ( 2)
𝑝3
𝑝4

Si è creato una nuova mappa raster mediante operazione di somma pesata dei valori di stimolo:

𝑆𝑤 = ∑ 𝑆𝑖 ∙ 𝑝𝑖
𝑖=1

Ottenendo dunque due mappe raster di stimoli pesati, rispettivamente una relativa agli stimoli statici
ed una a quelli dinamici, si è dunque fatta una somma ponderata dei due raster statici e dinamici.
Questi verranno sommati attribuendo a ciascuna componente complessiva (statica e dinamica) un
certo peso: rispettivamente ” p1=0,41 per lo stimolo “statico e p2=0,59 per lo stimolo “dinamico”.

Tutto ciò è stato fatto per quattro distinti scenari a cui corrispondono quattro diverse coppie di
matrici di confronto, dunque quattro modi diversi di confrontare tra loro gli stimoli. Nello specifico
si sono utilizzate soltanto 4 matrici in totale (2 per il confronto degli stimoli statici e 2 per il
confronto di quelli dinamici) combinate fra loro a formare le 4 coppie dei 4 scenari. Per ciascuna
tipologia di stimolo (statica e dinamica) si ha una matrice dove si sono effettivamente compiuti
delle valutazioni criteriali, in cui dunque i vari 𝑎𝑖𝑗 sono diversi da 1, e una matrice “NOPESI” in cui
tutti i valori della matrice di confronto sono unitari secondo la quale dunque tutti gli stimoli hanno
la stessa valenza.
A seguito si riportano queste matrici di confronto, i relativi vettori dei pesi percentuali e il raster
della somma ponderata degli stimoli (il colore chiaro rappresenta i valori più alti):

9
Matrice confronto statica #PESATA

Suolo Strade Esposiz. Pendenza

Suolo 1 4 1,3 3
Strade 0,25 1 0,2 2
Esposiz. 0,769 5 1 2
Pendenza 0,333 0,5 0,5 1

Tab. 4

Pesi
0,40
0,13
0,35
0,12
Figura 10 – Valori di stimoli statici ponderati mediante matrice statica
#PESATA (valori chiari più elevati)

Matrice confronto statica #NOPESI

Suolo Strade Esposiz. Pendenza

Suolo 1 1 1 1
Strade 1 1 1 1
Esposiz. 1 1 1 1
Pendenza 1 1 1 1

Tab. 5

Pesi
0,25
0,25
0,25
Figura 11 – Valori di stimoli statici ponderati mediante matrice statica 0,25
#NOPESI (valori chiari più elevati)

10
Matrice confronto dinamica #PESATA

Suolo Strade Esposiz. Pendenza

Suolo 1 0,4 0,5 1,7
Strade 2,5 1 0,7 3
Esposiz. 2 1,429 1 4
Pendenza 0,588 0,333 0,25 1

Tab. 6

Pesi
0,17
0,34
0,40

Figura 12 – Valori di stimoli dinamici ponderati mediante matrice 0,10

dinamica #PESATA (valori chiari più elevati)

Matrice confronto dinamica #NOPESI

Suolo Strade Esposiz. Pendenza

Suolo 1 1 1 1
Strade 1 1 1 1
Esposiz. 1 1 1 1
Pendenza 1 1 1 1

Tab. 7

Pesi
0,25
0,25
0,25
Figura 13 – Valori di stimoli dinamici ponderati mediante matrice 0,25
dinamica #NOPESI (valori chiari più elevati)

11
3. Scenari di risultato

Gli scenari composti con la combinazione delle due matrici dinamiche e statiche sopra elencate
sono i seguenti. Per ciascuno si riporta layer raster di risultato che esprime valori dati dalla somma
ponderata:
𝑉𝑠+𝑑 = 0,41 ∙ 𝑉𝑠,𝑖 + 0,59 ∙ 𝑉𝑑,𝑗
Con:
𝑉𝑠+𝑑 – Valori del raster di scenario
𝑉𝑠,𝑖 – Valori degli stimoli statici valutati con una delle due matrici (Tab. 4. o Tab. 5)
𝑉𝑑,𝑗 – Valori degli stimoli dinamici valutati con una delle due matrici (Tab. 6 o Tab. 7)

I valori più alti, cui corrisponde un maggior pericolo, sono indicati dal colore più chiaro:

Scenario 1: Scenario 2:
STATICA #PESATA + DINAMICA #PESATA STATICA #PESATA + DINAMICA #NOPESI

Figura 14 Figura 15

Scenario 3: Scenario 4:
STATICA #NOPESI + DINAMICA #PESATA STATICA #NOPESI+ DINAMICA #NOPESI

Figura 16 Figura17

12
Al fine di ottenere un dato definitivo che individui le aree maggiormente a rischio si è deciso di
sintetizzare i risultati ottenuti nei quattro scenari di valutazione preposti andando ad individuare l’
insieme unione delle celle che nei quattro scenari hanno un valore maggiore o uguale a 0,74
imponendo dunque questo come limite di soglia oltre la quale la zone è da intendersi come a rischio
incendio.

Il risultato è il seguente:

Figura 18 – Risultato finale del modello, le zone con livello di pericolosità superiore alla soglia (74%) sono indicate in
colore rosso

13