Sei sulla pagina 1di 78

POR 

Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

ALLEGATO B – ANALISI DELLE PRECIPITAZIONI IN CALABRIA 
ORESTE TERRANOVA, ANTONELLA BODINI, CARLA BRAMBILLA, BRUNO BETRÒ 
 
B1 – Analisi regionale delle piogge medie annue 
ORESTE TERRANOVA, (CON LA PARTECIPAZIONE DI PASQUALE IAQUINTA, STEFANO LUIGI GARIANO, ROBERTO GRECO)  
 
B1.1 – Note teoriche per lo studio delle precipitazioni  
 
Scopo dell'analisi statistico‐probabilistica è quello di far corrispondere ad ogni valore 
di una variabile la probabilità che si verifichi un evento maggiore o uguale a quel valore, 
ossia di individuare per ogni evento il suo tempo di ritorno TR, definito come il numero di 
anni  nel  quale  un  determinato  evento  è  mediamente  uguagliato  o  superato.  L'analisi 
probabilistica è necessaria in quanto, mentre per i dati rilevati in passato si può definire la 
frequenza (numero di volte in cui un evento si è presentato in una serie di manifestazioni), 
per  i  dati  futuri  occorre  introdurre  il  concetto  di  probabilità,  ovvero  il  rapporto  tra  il 
numero di casi favorevoli al verificarsi di un certo evento ed il numero dei casi ugualmente 
possibili.  
In  generale  non  è  lecito  identificare  frequenza  con  probabilità.  Se  anche  ciò  si 
potesse  fare  non  sarebbero  comunque  note  le  frequenze  relative  a  periodi  più  lunghi  di 
quello  esaminato.  Per  questo  è  necessario  estendere  artificialmente  il  campo  delle 
osservazioni  individuando  una  distribuzione  di  probabilità  che  si  adatti  alla  serie  di 
osservazioni note.  
L'analisi probabilistica consente di valutare eventi con TR superiore al numero di anni 
definito  dalla  consistenza  del  campione  di  dati,  con  una  attendibilità  che  si  riduce  però 
all'aumentare dello stesso TR. 
Nella  elaborazione  probabilistica  i  dati  di  precipitazione  sono  considerate  variabili 
casuali, governate cioè dalla legge del caso e si suppone che la serie dei valori osservati nel 
passato costituisca un campione estratto dalla popolazione di tale variabile casuale. 
 
 
B1.1.1 – Distribuzione di Probabilità  
 
Nel presente studio ogni campione è costituito dai totali annuali o dai massimi valori 
annuali  di  precipitazione  effettiva  di  varia  durata  e  può  essere  assimilato  ad  un  sotto 
campione particolare di tutti i possibili valori verificatisi nel periodo di osservazione. Tale 
particolare  sotto  campione  degli  eventi  viene  studiato  soprattutto  per  la  ricerca  degli 
eventuali rischi di progetto da assumere; sono state quindi proposte delle distribuzioni di 
probabilità tipiche per i totali e per i massimi valori. Tali distribuzioni, che derivano dallo 
studio  del  comportamento  della  distribuzione  di  probabilità  P(x)  per  valori  molto  grandi 
della variabile x, sono la forma asintotica cui tende P(x) al crescere di x stessa.  
Come  è  noto,  si  definisce  funzione  densità  di  probabilità  p(x)  quella  funzione  che 
moltiplicata  per  l'ampiezza  infinitesima  dx,  rappresenta  la  probabilità  che  si  verifichi  un 

B.1
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

valore  nell'intervallo  [x,x+dx].  Tale  funzione  è  legata  alla  funzione  di  probabilità  P(x≤X), 
denominata anche probabilità cumulata di non superamento, secondo la relazione  
P x  X    px dx .   
X
            (B.1) 

Poiché la probabilità che la variabile x assuma un qualsiasi valore compreso tra -∞ e 

+∞ è uguale a 1 (evento certo) si ha che   px dx  1 . Per essere  P x  X   la probabilità 


cumulata di non superamento e  P x  X   la probabilità cumulata di superamento, si può 
scrivere: 
P x  X   1  P x  X   1  1 / TR   TR  1  / TR         (B.2)
 
in  quanto  T R è  notoriamente  definito  come  il  numero  di  anni  per  cui  un  determinato 
 
evento è eguagliato o superato ( TR  1 / P x  X  ). La relazione (B.2) vale solo per i valori 
annui o per i massimi annuali. 
Le grandezze idrologiche possono essere considerate come il risultato di un processo 
di  tipo  additivo,  cioè  come  somma  di  un  gran  numero  di  singoli  contributi  che  si  sono 
verificati in un determinato intervallo di tempo, e quindi distribuite asintoticamente, per il 
teorema  del  limite  centrale,  secondo  la  legge  Normale.  Tali  grandezze,  possono  essere 
valutate anche come il risultato di un processo di tipo moltiplicativo, cioè come il prodotto 
degli effetti di un numero n di fattori, e quindi distribuite secondo la legge Rad‐n‐Normale, 
cioè normale delle radici n‐esime (Stidd, 1970), o asintoticamente, per n sufficientemente 
grande, secondo la legge Log‐Normale, ancora per il teorema del limite centrale. 
Una  variabile  X  si  dice  distribuita  secondo  la  legge  Normale  (o  distribuita 
normalmente)  se  la  legge  matematica,  con  cui  la  funzione  distribuzione  di  probabilità 
cumulata (Cumulative Distribution Function, CDF) varia in funzione di x, assume la forma: 
 x  μ 2
1 x 
FX x   
2
e 2σ dx (B.3) 

2π σ              
e  la  funzione  distribuzione  di  probabilità  (Probability  Density  Function,  PDF)  assume 
l’espressione: 
 x  μ 2
1 
f X x  
2
e 2σ (B.4) 
2π σ               
in  cui  le  grandezze    e    vengono  definite  parametri  della  distribuzione  e  ne 
rappresentano rispettivamente la media e lo scarto quadratico medio. 
Sostituendo alla variabile X la variabile ausiliaria u definita come  
X μ
u= (B.5) 
σ                  
chiamata  variabile  ridotta  standardizzata,  che  ha  media  zero  e  scarto  quadratico  medio 
uno, la CDF diventa: 
u2
1 u 2
FU u  
2π 
e du (B.6) 
               
La  legge  di  Gauss  nasce  per  rappresentare  la  legge  di  distribuzione  di  probabilità 
degli errori di misura. Il massimo della funzione densità di probabilità p(x) si ha per x=(x) 

B.2
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

1
pmax x   ;                (B.7) 
2πσ 2
 
1  X  μ X  
2
  
2  σ  X  
per  x   ;    e  0 ;      px   0 ; 
p(x) è simmetrica rispetto a ; 
se cambia  la curva si sposta parallelamente all’asse delle ascisse; 
se cambia  la curva cambia forma. 
 

   

   
Figura B.1 – Andamenti della legge di Gauss (PDF e CDF) al variare dei parametri  e . 
 
 
B1.2 – Totali annui di pioggia 
 
Per  descrivere  la  distribuzione  delle  serie  dei  totali  annui  di  pioggia,  o  di  sue 
opportune  trasformazioni  viene  ammessa  preliminarmente  l’adeguatezza  della 
distribuzione  di  Gauss.  A  tal  proposito  viene  segnalato  che  potrebbero  essere  adottate 
anche  altre  distribuzioni  (essenzialmente  Lognormale,  Gamma)  “guidati”  dai  test  di 
adattamento. 
Per determinare, con tecniche di regionalizzazione, quale sia la legge probabilistica 
più adatta ad interpretare le serie dei totali annui di pioggia viene adottata la procedura 
delle trasformazioni di Box e Cox e successiva verifica basata sull’intervallo di confidenza al 
95%, del coefficiente di asimmetria (Versace, 2004). 
La procedura utilizzata prevede la trasformazione di una generica serie x secondo la 
relazione: 

B.3
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

y  xν per 0  ν  1
(B.8) 
y  logx  per ν  0              

Per    vengono  utilizzati  i  valori  0  (lognormale),  1/3  (radcubiconormale),  ½ 


(radnormale), 1 (normale). 
Delle  quattro  serie  y  così  ottenute  per  ciascuna  stazione  viene  calcolato  il 
coefficiente di asimmetria G e tanto più questi si avvicina a 0 tanto meglio la serie ottenuta 
per quello specifico valore di  è approssimata dalla legge di Gauss. 
N

1  y i  y 3
G N 2 i 1
3
(B.9) 
 N
2
 y i  y  
2

 i 1               
G è però uno stimatore distorto della asimmetria e presenta notevole variabilità per 
cui  il  miglior  valore  di  ,  o  valori  di    differenziati  per  zone  regionali  omogenee,  devono 
essere stimati in base ad indagini di tipo regionale. Nel presente caso si è ottenuto   = ½ 
per la quasi totalità delle stazioni del territorio regionale; infatti per   = ½ solo 20 stazioni 
su 223 non rientrano nell’intervallo di confidenza al 95% (Figura B.2) relativo ai G calcolati 
in ciascuna stazione per  = ½ .
 

 
Figura B.2‐ Intervalli di confidenza al 95%; in ascissa è riportata la dimensione campionaria di ciascuna 
serie, in ordinata sono riportati il corrispondente valore di G per   = ½. 
 
Il  posizionamento  dei  valori  di  G  interni,  al  di  sotto  ed  al  di  sopra  dell’intervallo  di 
confidenza è riportato sulla mappa di Figura B.3. 
 

B.4
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.3 – Mappa delle stazioni pluviometriche con indicazione dei valori di G rispetto all’intervallo 
di confidenza. 
 
In definitiva utilizzando la trasformazione di Box e Cox per   = ½ è possibile stimare 
qualsiasi frattile della distribuzione ed i corrispondenti tempi di ritorno. 
 
 
 
 
 
 
 
 
 
 
 
 
 

B.5
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.I – Frattili della distribuzione per 5 diversi tempi di ritorno. 
m  x (T=2   x (T=5  x (T=10   x (T=20   x (T=50  
Codice  Nome  s.l.m. 
N  y  y 
 P=0.5)   P=0.8)   P=0.9)   P=0.95)   P=0.98) 
816  Montegiordano Scalo  5  69  22.5 3.6 506.25  651.77  735.15  807.78  893.62 
850  Nocara  860  74  25.4 3.98 645.16  826.54  930.29  1020.58  1127.21 
870  Oriolo  450  35  27.57 3.98 760.10  956.02  1067.37  1163.94  1277.63 
880  Castroregio  800  74  26.22 4.47 687.49  898.92  1020.71  1127.11  1253.18 
890  Amendolara  215  64  22.41 4.05 502.21  666.60  761.78  845.16  944.19 
900  Albidona  810  66  28.62 4.8 819.10  1066.66 1209.05  1333.37  1480.56 
910  Alessandria del Carretto  870  38  29.87 4.86 892.22  1153.30 1303.09  1433.68  1588.12 
920  Trebisacce  75  68  24.83 3.6 616.53  776.17  866.92  945.65  1038.35 
930  Villapiana Scalo  5  58  22.8 2.98 519.84  640.50  708.57  767.38  836.38 
940  Francavilla marittima  250  67  25.5 3.72 650.25  819.72  916.11  999.75  1098.26 
950  San Lorenzo Bellizzi  950  78  30.7 3.76 942.49  1146.80 1261.57  1360.48  1476.26 
960  Civita  450  35  27.73 3.52 768.95  942.03  1039.49  1123.58  1222.15 
970  Cassano allo Ionio  251  74  26.14 3.03 683.30  823.12  901.39  968.70  1047.35 
980  Piane Crati  610  51  32.32 2.95 1044.58  1211.23 1303.25  1381.78  1472.91 
984  Serra Pedace  725  32  30.8 3.29 948.64  1126.87 1226.14  1311.28  1410.52 
990  Trenta  820  72  29.62 4.18 877.34  1098.13 1223.38  1331.92  1459.60 
1000  Domanico  736  70  38.58 4.48 1488.42  1793.56 1964.38  2111.31  2283.00 
1010  Cosenza ‐ Crati  242  80  30.47 2.9 928.42  1083.11 1168.72  1241.86  1326.84 
1020  Cerisano  580  61  40.89 6.78 1671.99  2171.21 2458.07  2708.38  3004.62 
1030  San Pietro in Guarano  660  75  32.41 3.33 1050.41  1239.93 1345.24  1435.45  1540.48 
1040  Rende  470  75  36.22 4.55 1311.89  1603.95 1768.29  1910.05  2076.13 
1050  Rose  370  71  30.19 3.95 911.44  1123.22 1242.71  1345.95  1467.07 
1060  Montalto Uffugo  468  61  34.53 4.6 1192.32  1474.67 1634.19  1772.10  1934.00 
1070  Laghitello CC  891  54  44.84 7.12 2010.63  2583.93 2912.18  3198.06  3535.81 
1080  San Martino di Finita  425  71  41.22 5.22 1699.09  2080.57 2295.34  2480.65  2697.82 
1090  Camigliatello Silano  1297  49  41.15 4.49 1693.32  2018.60 2200.00  2355.68  2537.27 
1100  Cecita  1180  72  33.52 3.98 1123.59  1359.37 1491.55  1605.33  1738.38 
1110  Pinutello CC  1125  78  32.61 3.28 1063.41  1251.07 1355.23  1444.39  1548.13 
1120  Acri  750  72  30.48 3.12 929.03  1096.00 1188.76  1268.21  1360.70 
1130  Torano Scalo  97  74  28.52 3.06 813.39  966.92  1052.45  1125.82  1211.35 
1140  Tarsia  203  65  27.44 3.31 752.95  913.60  1003.75  1081.39  1172.23 
1160  Sant'Agata CC  52  50  25.89 5 670.29  905.90  1043.15  1163.78  1307.45 
1170  Morano Calabro  690  54  33.81 3.67 1143.12  1361.52 1483.27  1587.75  1709.60 
1180  Castrovillari  353  75  28.21 4.02 795.80  998.14  1113.01  1212.59  1329.77 
1190  Firmo  215  73  27.83 3.62 774.51  953.37  1054.25  1141.38  1243.59 
1200  Santa Agata d'Esaro  710  66  39.21 6.18 1537.42  1972.36 2221.24  2437.91  2693.84 
1210  Malvito  440  30  38.13 4.72 1453.90  1772.62 1951.78  2106.23  2287.11 
1220  Roggiano Gravina  154  58  27.12 6.03 735.49  1036.52 1214.37  1371.85  1560.57 
1230  San Sosti  404  80  38.35 5.49 1470.72  1846.46 2059.86  2244.89  2462.65 
1240  Acquaformosa  410  65  35.74 4.52 1277.35  1563.74 1724.96  1864.06  2027.07 
1250  Fagnano Castello  520  58  39.91 5.69 1592.81  1997.98 2228.03  2427.46  2662.13 
1260  San Marco Argentano  210  67  35.14 4.63 1234.82  1523.86 1687.04  1828.05  1993.52 
1280  Spezzano Albanese Sc.  45  51  24.76 3.94 613.06  788.26  888.60  975.98  1079.24 
1290  Caselle  13  58  23.39 3.18 547.09  679.45  754.34  819.14  895.26 
1296  Macchia Albanese  530  29  28.05 3.53 786.80  962.30  1061.06  1146.25  1246.07 
1300  San Giorgio Albanese  470  67  29.44 3.77 866.71  1063.60 1174.53  1270.29  1382.55 
1310  Schiavonea  5  76  21.8 4.38 475.24  649.55  751.48  841.26  948.36 
1320  San Giacomo d'Acri  1015  73  31.73 4.35 1006.79  1252.53 1391.64  1512.05  1653.55 
1324  Corigliano Calabro  219  28  30.66 4.2 940.04  1169.28 1299.06  1411.38  1543.37 
1330  Rossano  390  63  29.18 4.3 851.47  1075.77 1203.44  1314.27  1444.85 
1360  Longobucco  770  68  34.68 4.13 1202.70  1455.87 1597.83  1720.03  1862.96 
1370  Bocchigliero  825  81  34.07 5.24 1160.76  1480.72 1663.44  1822.35  2009.88 
1380  Cropalati  367  75  32.43 4.73 1051.70  1325.75 1481.61  1616.86  1776.14 
1390  Crosia  160  73  26.68 4.66 711.82  936.48  1066.16  1179.58  1314.10 
1400  Pietrapaola  345  34  33.09 5.43 1094.95  1418.28 1603.91  1765.81  1957.34 

B.6
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

1410  Cariati Marina  10  66  27.98 4.82 782.88  1026.34 1166.71  1289.40  1434.82 
1430  Scala Coeli  370  38  32.16 5.01 1034.27  1323.25 1488.46  1632.22  1801.94 
1440  Crucoli  350  72  30.75 5.34 945.56  1242.16 1413.27  1562.90  1740.31 
1450  Umbriatico  422  58  31.43 4.76 987.84  1255.72 1408.51  1541.31  1697.92 
1460  Cirò Marina  5  69  25.69 3.27 659.98  808.95  892.85  965.26  1050.13 
1470  San Giovanni in Fiore  1100  74  31.8 5.02 1011.24  1297.80 1461.79  1604.58  1773.24 
1480  Quaresima CC  1300  61  40.24 3.95 1619.26  1897.86 2052.28  2184.36  2337.95 
1500  Nocelle Arvo  1315  63  33.68 3.15 1134.34  1319.95 1422.56  1510.20  1611.97 
1510  Sculca  1360  56  36.45 3.97 1328.60  1583.34 1725.39  1847.29  1989.46 
1520  Monteoliveto CC  1300  66  34.54 3.96 1193.01  1434.35 1569.34  1685.40  1820.97 
1530  Stralati CC  1190  68  34.52 5.86 1191.63  1556.45 1766.51  1950.00  2167.37 
1540  Barberano CC  1300  69  37.7 5.81 1421.29  1813.89 2038.14  2233.19  2463.36 
1550  Trepidò  1250  72  37.3 5.68 1391.29  1770.76 1987.31  2175.55  2397.60 
1560  Casa Pasquale  1240  74  37.39 5.78 1398.01  1785.45 2006.80  2199.35  2426.61 
1570  Savelli  964  71  34.08 5.38 1161.45  1490.57 1678.93  1842.93  2036.64 
1580  Cerenzia  663  72  32.12 5.42 1031.69  1345.54 1526.15  1683.88  1870.68 
1590  Belvedere Spinello  380  76  28.83 4.67 831.17  1073.24 1212.07  1333.09  1476.17 
1600  Santa Severina  230  54  29.35 4.67 861.42  1107.58 1248.55  1371.33  1516.40 
1620  Verzino  530  68  30.77 5.22 946.79  1236.46 1403.23  1548.91  1721.47 
1630  Casabona  270  50  30.87 3.9 952.96  1166.38 1286.52  1390.17  1511.62 
1640  San Nicola Dell’Alto  576  50  32.21 4.95 1037.48  1323.22 1486.39  1628.29  1795.73 
1650  Strongoli  305  70  27.46 4.2 754.05  960.68  1078.63  1181.19  1302.18 
1670  Cutro  169  29  24.53 3.9 601.72  773.53  871.91  957.59  1058.83 
1680  Crotone  5  72  24.54 4.06 602.21  781.59  884.65  974.57  1080.98 
1690  Capo Colonna  20  72  25.05 4.23 627.50  818.54  928.48  1024.49  1138.21 
1700  Isola di Capo Rizzuto  90  66  27.16 4.72 737.67  969.23  1102.83  1219.67  1358.19 
1720  Steccato  5  62  26 4.12 676.00  868.33  978.44  1074.32  1187.59 
1724  Cotronei  530  34  35.67 5.86 1272.35  1648.51 1864.50  2052.89  2275.76 
1730  Petilia Policastro  385  71  33.4 5.7 1115.56  1459.03 1656.88  1829.76  2034.58 
1740  San Mauro Marchesato  288  60  28.38 4.61 805.42  1040.70 1175.66  1293.32  1432.45 
1750  Marcedusa  380  51  31.26 4.66 977.19  1237.77 1386.22  1515.16  1667.13 
1760  Botricello  18  68  24.38 5.88 594.38  860.17  1018.60  1159.52  1329.04 
1780  Cropani  347  77  31.96 5.03 1021.44  1309.96 1475.04  1618.74  1788.47 
1790  Sersale  730  55  36.21 5.12 1311.16  1641.80 1829.40  1991.98  2183.24 
1800  Sellia Marina  85  71  27.92 4.29 779.53  994.18  1116.75  1223.35  1349.14 
1810  Monaco Vill. Mancuso  1260  37  38.15 3.92 1455.42  1718.03 1863.97  1988.97  2134.50 
1820  Soveria Simeri  366  63  31.67 4.5 1002.99  1257.22 1401.53  1526.61  1673.78 
1830  Albi  710  84  36.15 4.26 1306.82  1578.89 1731.34  1862.53  2015.92 
1840  Sant'Elia  650  56  35.24 3.98 1241.86  1489.16 1627.36  1746.11  1884.77 
1850  Catanzaro  334  89  30.09 3.29 905.41  1079.71 1176.92  1260.36  1357.69 
1860  Catanzaro Lido  10  63  28.83 4.77 831.17  1078.76 1221.01  1345.13  1492.00 
1870  Carlopoli  915  64  36.41 4.51 1325.69  1616.50 1779.98  1920.92  2085.97 
1880  Fiorenza  1105  33  34.34 3.97 1179.24  1419.88 1554.55  1670.36  1805.69 
1890  Umbri  915  40  31.71 4.34 1005.52  1250.52 1389.20  1509.22  1650.25 
1900  Olivella  400  28  34.75 4.25 1207.56  1468.95 1615.77  1742.28  1890.37 
1910  Gimigliano  575  58  34.87 3.72 1215.92  1444.06 1571.12  1680.09  1807.10 
1920  Borgia  345  79  34.19 5.11 1168.96  1481.53 1659.64  1814.35  1996.72 
1930  Girifalco  500  60  35.52 4.98 1261.67  1576.99 1755.79  1910.68  2092.85 
1940  Palermiti  480  80  35.71 5.57 1275.20  1631.98 1835.97  2013.48  2223.06 
1950  Staletti  380  61  31.21 5 974.06  1254.44 1415.10  1555.06  1720.49 
1960  Chiaravalle Centrale  714  72  36.58 5.54 1338.10  1700.95 1907.92  2087.80  2299.95 
1970  Soverato Marina  29  56  30.63 5.75 938.20  1258.07 1443.92  1607.04  1801.07 
1980  Serra San Bruno  790  77  43.61 4.44 1901.83  2241.72 2430.50  2592.15  2780.31 
1990  Simbario  766  73  37.81 4.54 1429.60  1733.14 1903.42  2050.06  2221.62 
2010  San Soatene  460  57  37.26 5.83 1388.31  1778.03 2000.90  2194.88  2423.92 
2020  Badolato  210  57  34.81 5.2 1211.74  1535.58 1720.10  1880.37  2069.29 
2040  Monasterace  70  63  26.54 4.82 704.37  936.15  1070.41  1188.06  1327.81 
2050  Silo Ferdinandea  1061  33  39.82 5.2 1585.63  1953.32 2160.77  2339.97  2550.20 

B.7
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2060  Stilo  386  62  32.44 6.44 1052.35  1433.38 1655.94  1851.83  2085.40 
2070  Riace  275  68  31.69 5.22 1004.26  1302.00 1473.00  1622.17  1798.66 
2080  Platì  300  78  39.65 5.18 1572.12  1936.84 2142.62  2320.38  2528.93 
2080  Placanica  244  41  29.99 4.65 899.40  1149.45 1292.35  1416.66  1563.41 
2086  Mongiana  921  34  40.99 4.05 1680.18  1971.23 2132.62  2270.68  2431.25 
2090  Fabrizia  948  67  42.5 4.98 1806.25  2180.08 2389.46  2569.62  2780.21 
2100  Nardodipace  1080  59  36.98 6.1 1367.52  1773.58 2006.81  2210.28  2451.03 
2110  San Nicola di Caulonia  300  34  35.86 5.54 1285.94  1642.08 1845.54  2022.52  2231.41 
2120  Caulonia  300  64  29.46 4.77 867.89  1120.54 1265.44  1391.73  1541.06 
2130  Roccella Ionica  5  56  27.91 3.81 778.97  968.24  1075.36  1168.06  1276.97 
2140  Mammola  250  65  35.46 4.72 1257.41  1554.92 1722.99  1868.29  2038.86 
2150  Fabrizia ‐ Cassari  970  77  43.69 5.73 1908.82  2353.46 2604.40  2821.20  3075.59 
2160  Gioiosa Ionica  125  80  29 4.26 841.00  1061.80 1187.45  1296.51  1424.98 
2170  Siderrno Marina  19  54  26.52 4.02 703.31  894.21  1003.11  1097.75  1209.38 
2180  Canolo Nuovo  880  36  43.68 4.79 1907.94  2276.37 2481.90  2658.31  2864.12 
2200  Antonimina  310  68  35.87 5.58 1286.66  1645.62 1850.81  2029.35  2240.12 
2210  Ardore Superiore  250  68  31.33 4.7 981.57  1245.07 1395.27  1525.75  1679.58 
2220  Bovalino Marina  46  530 26.97 4.39 727.38  940.32  1062.50  1169.02  1294.99 
2250  Santuario di Polsi  862  51  44.66 6.74 1994.52  2533.36 2840.64  3107.65  3422.52 
2260  San Luca  250  70  34.44 5.8 1186.11  1546.17 1753.35  1934.25  2148.48 
2270  Sant’ Agata del Bianco  380  66  33.18 6.02 1100.91  1462.80 1672.40  1856.06  2074.22 
2280  Casalnuovo  750  29  37.38 6.33 1397.26  1823.93 2069.54  2284.07  2538.17 
2290  Staiti  550  56  33.59 5.29 1128.29  1447.21 1629.69  1788.55  1976.19 
2300  Brancaleone Marina  10  48  25.94 4.3 672.88  873.73  989.14  1089.85  1209.03 
2310  Capo Spartivento  48  69  23.94 3.82 573.12  737.39  831.49  913.45  1010.31 
2320  Bova Superiore  905  70  28.14 6.29 791.86  1117.82 1310.51  1481.18  1685.77 
2330  Bova Marina  5  59  21.61 4.47 466.99  643.74  747.40  838.83  948.04 
2340  Roccaforte del Greco  930  46  30.07 4.53 904.20  1148.03 1287.05  1407.84  1550.27 
2350  San Carlo  80  36  22.35 4.47 499.52  681.84  788.40  882.24  994.16 
2360  Croce San Lorenzo CC  655  49  28.69 5.16 823.12  1091.16 1246.29  1382.16  1543.50 
2370  Melito di Porto Salvo  18  53  23.74 3.78 563.59  724.76  817.06  897.45  992.45 
2380  Montebello Ionico  470  61  27.09 4.54 733.87  955.49  1082.95  1194.23  1325.98 
2390  Capo dell'Armi  125  72  21.33 3.61 454.97  593.81  673.73  743.54  826.22 
2400  Motta San Giovanni  460  79  24.9 4.85 620.01  839.95  968.18  1080.93  1215.27 
2430  Croce di Romeo CC  1380  27  37.56 4.03 1410.75  1677.04 1825.40  1952.65  2100.99 
2450  Reggio Calabria  15  73  23.35 2.69 545.22  656.08  718.10  771.43  833.74 
2460  Reggio Calabria ‐ Arasì  573  58  33.72 2.94 1137.04  1310.03 1405.33  1486.56  1580.70 
2470  Gambarie D’Aspr.  1200  50  39.58 5.42 1566.58  1948.48 2164.67  2351.78  2571.64 
2480  Gallico Marina  9  58  27.27 4.1 743.65  943.76  1057.83  1156.95  1273.80 
2490  San Roberto  15  52  31.86 4.13 1015.06  1248.63 1380.33  1494.07  1627.48 
2500  Villa San Giovanni  272  41  26.64 2.81 709.69  841.29  914.53  977.32  1050.48 
2510  Scilla  73  66  27.14 3.86 736.58  923.47  1029.56  1121.52  1229.73 
2520  Bagnara Calabra  170  53  30.99 4.14 960.38  1188.48 1317.37  1428.82  1559.66 
2530  Palmi  480  57  30.72 3.77 943.72  1148.73 1263.91  1363.17  1479.37 
2534  Oppido Mamertina  340  20  33.99 3.88 1155.32  1387.97 1518.07  1629.90  1760.52 
2540  S. Cristina D’Aspr.  510  53  37.19 5.91 1383.10  1777.80 2003.81  2200.65  2433.22 
2560  Sinopoli  502  76  35.71 4 1275.20  1526.97 1667.60  1788.39  1929.41 
2570  Oppido Mamertina  194  57  36.58 4.95 1338.10  1660.24 1842.44  2000.06  2185.19 
2580  Molochio  310  45  35.39 5.84 1252.45  1624.50 1838.20  2024.64  2245.23 
2600  Cittànova  407  79  36.75 4.34 1350.56  1632.37 1790.30  1926.21  2085.13 
2610  Rizziconi  114  72  33.69 3.19 1135.02  1323.12 1427.19  1516.10  1619.38 
2620  Gioia Tauro   5  52  29.79 3.17 887.44  1053.52 1145.99  1225.29  1317.72 
2630  Montecucco CC  730  52  40.29 3.96 1623.28  1902.95 2057.98  2190.58  2344.77 
2640  Filogaso  285  76  31.51 2.94 992.88  1154.94 1244.52  1321.02  1409.85 
2650  Pizzoni  275  31  33.05 3.13 1092.30  1273.37 1373.54  1459.12  1558.53 
2660  S. Angelo di Gerocarne  267  44  30.13 4.86 907.82  1171.03 1321.93  1453.44  1608.91 
2664  Soriano Calabro  310  32  33.92 3.65 1150.57  1368.40 1489.78  1593.90  1715.30 
2670  Arena  450  75  33.62 3.9 1130.30  1361.78 1491.35  1602.80  1733.03 

B.8
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2680  San Pier Fedele  320  78  31.46 3.12 989.73  1161.85 1257.30  1338.97  1433.96 
2690  Feroleto della Chiesa  160  74  32.97 3.5 1087.02  1289.94 1402.91  1499.78  1612.67 
2700  Giffone  594  41  39.21 4.75 1537.42  1866.91 2051.85  2211.17  2397.60 
2710  Mammola ‐ Limina  800  33  44.93 6.59 2018.70  2547.86 2848.94  3110.25  3418.06 
2720  Polistena  243  68  32.92 4.44 1083.73  1343.72 1490.74  1617.90  1767.25 
2730  Mileto  368  70  29.39 4.25 863.77  1086.82 1213.59  1323.55  1453.01 
2740  Rosarno  61  81  28.6 2.84 817.96  960.39  1039.39  1106.99  1185.61 
2750  Calimera  164  57  29.81 2.97 888.64  1043.91 1130.05  1203.76  1289.50 
2760  Joppolo  185  71  30.09 3.32 905.41  1081.37 1179.56  1263.87  1362.23 
2770  Tropea  30  69  25.97 2.79 674.44  801.92  872.94  933.86  1004.89 
2780  Zungri  578  54  33.41 5.36 1116.23  1438.01 1622.41  1783.07  1972.97 
2790  Briatico  33  73  27.37 3.06 749.12  896.72  979.16  1049.97  1132.62 
2800  Vibo Valentia  498  76  29.74 3.14 884.47  1048.64 1140.01  1218.35  1309.63 
2810  Pizzo Calabro  30  52  28.28 3.01 799.76  949.46  1032.82  1104.30  1187.61 
2820  Monterosso Calabro  372  52  35.96 3.95 1293.12  1543.26 1682.82  1802.61  1942.37 
2830  Filadelfia  550  81  35.04 3.93 1227.80  1470.54 1606.13  1722.60  1858.58 
2840  Torre Mezzapraia  5  69  28.93 3.5 836.94  1016.06 1116.59  1203.19  1304.52 
2850  Curringa Scalo  28  50  28.07 3.14 787.92  943.27  1030.03  1104.55  1191.55 
2860  San Tommaso  890  79  37.24 3.8 1386.82  1635.24 1773.24  1891.42  2028.98 
2870  Decollatura  760  72  35.81 3.84 1282.36  1524.26 1659.03  1774.62  1909.38 
2880  Serrastretta  825  52  36.02 4.68 1297.44  1596.70 1765.48  1911.26  2082.24 
2890  Tiriolo  690  59  34.07 5 1160.76  1465.21 1638.45  1788.81  1965.92 
2900  Marcellinara  335  64  33.53 4.53 1124.26  1394.47 1547.28  1679.46  1834.71 
2910  Caraffa di Catanzaro  385  68  32.81 4.63 1076.50  1347.38 1501.07  1634.23  1790.89 
2920  Serra del Gelo  825  45  44.06 5.51 1941.28  2371.43 2613.39  2822.07  3066.52 
2930  Feroleto Antico  330  51  32.28 4.63 1042.00  1308.75 1460.28  1591.66  1746.31 
2935  Nicastro  250  48  32.1 3.27 1030.41  1214.67 1317.01  1404.65  1506.66 
2950  Maida  298  63  33.18 4.14 1100.91  1344.27 1481.14  1599.18  1737.43 
2960  Sant'Eufemia Lamezia  25  54  29.58 3.67 874.98  1067.25 1175.34  1268.54  1377.69 
2970  Capo Suvero  5  62  29.38 3.39 863.18  1038.97 1137.34  1221.93  1320.76 
2980  Savuto CC  1210  75  36.97 7.05 1366.78  1840.70 2116.45  2358.68  2646.99 
2990  Parenti  830  80  35.77 3.71 1279.49  1512.62 1642.24  1753.30  1882.64 
3000  Rogliano  650  76  35.93 3.6 1290.96  1517.87 1643.78  1751.55  1876.93 
3010  Martirano Lombardo  440  37  39.18 4.84 1535.07  1870.86 2059.59  2222.28  2412.79 
3020  Nocera Terinese  240  79  33.31 4.73 1109.56  1390.61 1550.13  1688.40  1851.08 
3030  Aiello Calabro  510  65  32.3 3.89 1043.29  1265.50 1390.19  1497.57  1623.21 
3040  Amantea  54  84  29.54 3.51 872.61  1055.87 1158.60  1247.04  1350.46 
3050  Fiumefreddo Bruzio  230  65  32.45 3.59 1053.00  1258.22 1372.76  1471.11  1585.87 
3060  Paola  160  71  32.8 3.8 1075.84  1295.87 1419.02  1524.94  1648.70 
3080  Guardia piemontese  117  75  33.82 3.82 1143.79  1371.59 1498.89  1608.28  1736.00 
3090  Cetraro Superiore  416  47  31.75 3.5 1008.06  1203.79 1313.01  1406.77  1516.18 
3100  Belvedere Marittimo  10  62  31.68 3.8 1003.62  1216.49 1335.89  1438.72  1559.01 
3110  Cirella  30  55  31 4.08 961.00  1185.69 1312.52  1422.12  1550.73 
3124  Verbicaro Scalo  160  25  31.54 5.19 994.77  1289.39 1458.57  1606.15  1780.75 
3150  Laino Borgo  250  52  36.42 4.39 1326.42  1609.19 1767.87  1904.53  2064.43 
3160  Campotenese  965  81  38.2 4.24 1459.24  1744.61 1903.91  2040.71  2200.35 
3170  Mormanno  790  74  39.74 5.48 1579.27  1967.11 2186.77  2376.93  2600.44 
3180  Papasidero  238  48  37.22 5.86 1385.33  1776.78 2000.76  2195.75  2426.05 
3190  Orsomarso  425  74  35.97 5.74 1293.84  1664.71 1877.15  2062.20  2280.88 
3200  Scalea  10  78  31.79 4.13 1010.60  1243.68 1375.13  1488.67  1621.83 
3250  Aieta  460  75  39.56 6.67 1564.99  2040.66 2314.37  2553.40  2836.47 
N: numerosità serie storica; y: media campionaria; y: deviazione standard campionaria. 
 
 

B.9
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.4 – Precipitazione media annua. Isoiete ad equidistanza 100 mm. 

   

B.10
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B2 – Analisi degli andamenti pluviometrici mensili 
ORESTE TERRANOVA, (CON LA PARTECIPAZIONE DI STEFANO LUIGI GARIANO) 
 
È  stata  effettuata  un’analisi  degli  andamenti  pluviometrici  mensili  per  la  Calabria. 
Inizialmente  sono  stati  utilizzati  i  dati  di  pioggia  mensile  di  315  stazioni  pluviometriche, 
determinando per ognuna di esse la pioggia media annuale e i valori medi di pioggia per 
ciascuno dei 12 mesi.  
È  stato  impiegato  il  coefficiente  pluviometrico  di  Angot  il  quale  esprime  il  dato 
pluviometrico  mensile  come  rapporto  tra  la  precipitazione  mensile  effettiva  e  quella 
teorica,  nell’ipotesi  di  una  distribuzione  uniforme  delle  precipitazioni  in  tutti  i  mesi.  Tale 
coefficiente è definito dalla relazione: 
m
(B.10) 
P  n / 365                  
in cui m è la precipitazione del mese considerato, P la precipitazione annua ed n il numero 
di giorni del mese. 
Intendendo  fare  riferimento  ai  valori  medi,  per  il  calcolo  di  tale  coefficiente  sono 
state prese in considerazione (Tabella B.II) le serie storiche mensili di 201 delle 315 stazioni 
pluviometriche, scartando quelle con numerosità inferiore ai 15 anni.  
In  Figura  B.4  è  riportato  l’andamento  delle  isoiete  medie  annue  per  il  territorio 
regionale calabrese. 
Valutati i coefficienti per tutti i mesi delle stazioni analizzate, sono state tracciate le 
curve che li congiungono evidenziandone gli andamenti nel corso dell’anno. L’andamento 
tipico  del  coefficiente  per  le  situazioni  climatiche  presenti  in  Calabria,  ovvero  con  valori 
maggiori nei mesi invernali (massimi a gennaio e dicembre) e progressivamente minori in 
quelli  primaverili  e  autunnali  fino  ai  minimi  estivi,  è  stato  riscontrato  in  114  stazioni.  Il 
fascio di curve di questo tipo, che rappresenta il 57 % delle stazioni analizzate, è riportato 
in Figura B.5.  
   

B.11
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

3.00

2.50

2.00
m/(P∙n/365)

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n
 
Figura B.5 ‐ Curve di Angot per le 114 stazioni con andamento “tipico” 

Il  restante  43%  di  stazioni  ha  mostrato  curve  con  andamenti  discordanti,  in 
particolare:  valori  del  coefficiente  nel  mese  di  novembre  maggiori  rispetto  a  quelli  di 
dicembre; valori maggiori a marzo rispetto a febbraio, picchi a marzo e a novembre; valori 
maggiori  a  febbraio  rispetto  a  gennaio;  punte  dei  valori  nei  mesi  di  aprile  e  settembre; 
valori  elevati  a  marzo  e  ottobre.  L’andamento  del  coefficiente  di  Angot  per  queste 
situazioni è riportato nelle Figure da B.6 a B.10. 

2.50

2.00
m/(P∙n/365)

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n

Figura B.6 ‐ Curve di Angot con valori anomali nel mese di novembre (36 stazioni). 

B.12
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

3.00

2.50

2.00
m/(P∙n/365)

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n

Figura B.7 ‐ Curve di Angot con valori elevati nel mese di marzo (20 stazioni). 

2.50

2.00
m/(P∙n/365)

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n

Figura B.8 ‐ Curve di Angot con valori elevati nei mesi di marzo e novembre (12 stazioni). 

B.13
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

3.50

3.00

2.50
m/(P∙n/365)

2.00

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n

Figura B.9 ‐ Curve di Angot con valori elevati nei mesi di aprile e settembre (7 stazioni). 

2.50

2.00
m/(P∙n/365)

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12
n

Figura B.10 ‐ Curve di Angot con valori elevati nel mese di febbraio (10 stazioni). 

La Figura B.11 mostra la localizzazione delle stazioni esaminate, classificate in base 
all’andamento  delle  curve  di  Angot.  La  distribuzione  sul  territorio  regionale  non  sembra 
seguire criteri precisi, salvo in alcuni casi limitati. Le stazioni che hanno fatto registrare un 
andamento  “tipico”  sono  localizzate  su  tutto  il  territorio  regionale  ad  esclusione  del 

B.14
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

crotonese. In tale zona è evidente altresì una maggiore presenza di stazioni con curve che 
hanno  valori  elevati  del  coefficiente  nei  mesi  di  marzo  e  novembre  o  nel  solo  mese  di 
marzo; questa anomalia può essere pertanto considerata come una caratteristica climatica 
della  zona  centro‐orientale  della  penisola  calabrese.  Nell’alto  ionio  cosentino,  così  come 
nel basso ionio reggino, sono invece localizzate une serie di stazioni con curve di Angot che 
presentano  valori  elevati  del  coefficiente  nel  mese  di  novembre.  Le  stazioni  le  cui  curve 
hanno  presentato  valori  elevati  nel  mese  di  febbraio  sono  localizzate  in  zone  montuose, 
prevalentemente nei rilievi interni, ad est e ad ovest della valle del Crati. Per il resto dei 
casi  l’andamento  delle  curve  di  Angot  non  segue  criteri  di  spazializzazione  sul  territorio 
legati a parametri morfologici o di localizzazione quali l’altitudine o la latitudine. 

B.15
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura B.11 ‐ Localizzazione delle stazioni classificate in base all’andamento delle curve di Angot 

B.16
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.II ‐ Elenco delle stazioni con indicazione della pioggia media annua e dell’andamento della 
curva dei coefficienti di Angot. 
SIMI  Stazione  m s.l.m.  X  Y  Pannua   Andamento curva 
850  Nocara  830 2646335.31  4438319.59  683.87  M‐N 
860  Montegiordano Scalo  7 2656348.61  4433496.49  547.50  N 
880  Castroregio  820 2646244.26  4428109.65  699.08  M‐N 
890  Amendolara  237 2654931.83  4423817.24  517.90  N 
900  Albidona  810 2636624.46  4420096.57  630.60  Classico 
910  Alessandria del Carretto  975 2637861.54  4424089.33  872.67  N 
920  Trebisacce  10 2650922.92  4413970.05  581.27  N 
930  Villapiana Scalo  5 2646585.45  4406063.71  530.00  Classico 
940  Francavilla Marittima  272 2638553.82  4408525.47  715.77  Classico 
950  San Lorenzo Bellizzi  851 2633635.04  4416253.63  1017.10  N 
960  Civita  450 2632305.45  4409726.77  779.08  Classico 
974  Doria  40 2636180.57  4398775.08  669.23  Classico 
980  Piane Crati  583 2634183.53  4343423.56  1096.39  N 
984  Serra Pedace  750 2636171.69  4348417.18  1018.00  F 
990  Trenta  534 2634250.27  4348697.52  923.05  Classico 
1000  Domanico  736 2624108.58  4341833.88  1448.54  Classico 
1010  Cosenza  242 2629027.13  4349471.67  866.19  Classico 
1020  Cerisano  620 2621485.67  4348027.80  283.40  Classico 
1030  San Pietro in Guarano  660 2632930.40  4355430.91  870.25  Classico 
1040  Rende  482 2621740.66  4354197.74  1265.17  Classico 
1050  Rose  433 2630876.35  4361785.16  981.54  Classico 
1060  Montalto Uffugo  468 2619791.03  4362436.51  1338.90  Classico 
1070  Laghitello  870 2614772.15  4365980.98  2022.84  F 
1080  San Martino di Finita  470 2615299.33  4371722.58  1545.10  F 
1090  Camigliatello Silano  1291 2643877.42  4355196.72  1498.20  Classico 
1092  Camigliatello Monte Curcio  1730 2641941.14  4352950.97  1260.84  M‐N 
1100  Cecita  1180 2652883.79  4362099.37  957.80  Classico 
1110  Pinutello  1005 2646854.66  4367919.21  1122.93  Classico 
1120  Acri  750 2638881.96  4371771.20  829.52  F 
1130  Torano Scalo  97 2624043.23  4372281.94  799.19  Classico 
1140  Tarsia  203 2629265.16  4386060.87  671.86  Classico 
1150  Santa Sofia d’Epiro  550 2633432.50  4378380.95  988.45  Classico 
1160  Sant  Agata CC  50 2638763.89  4388761.38  738.40  Classico 
1180  Castrovillari  353 2624477.35  4408507.66  715.82  N 
1190  Firmo  1369 2620648.05  4397569.14  841.33  Classico 
1200  Sant’Agata d Esaro  440 2604415.26  4386057.10  1692.22  F 
1210  Malvito  449 2610403.69  4383781.61  1594.27  Classico 
1220  Roggiano Gravina  264 2619324.11  4385741.38  974.20  Classico 
1230  San Sosti  404 2608180.39  4391014.15  1319.29  Classico 
1240  Acquaformosa  767 2614862.05  4397526.44  1352.69  Classico 
1250  Fagnano Castello  516 2610687.81  4379899.81  1698.59  Classico 
1260  San Marco Argentano  430 2616282.98  4379073.60  1249.80  F 
1264  Tarsia Scalo  70 2626681.36  4390156.99  750.75  Classico 
1280  Spezzano Albanese Scalo  46 2630619.35  4396380.27  671.82  N 
1290  Caselle  12 2641793.17  4397721.07  586.84  N 
1296  Macchia Albanese  520 2638651.28  4382128.89  863.82  Classico 
1300  San Giorgio Albanese  430 2644777.82  4382533.78  948.49  N 
1310  Schiavonea  3 2652064.32  4390427.20  515.37  N 
1320  San Giacomo d’Acri  724 2645934.50  4375983.88  988.11  Classico 
1330  Rossano  300 2660374.65  4381814.74  937.75  N 
1370  Bocchigliero  870 2670902.89  4364556.34  1186.76  N 
1380  Cropalati  367 2668276.81  4375516.60  972.90  Classico 
1390  Crosia  279 2672298.25  4381177.00  797.74  N 
1400  Pietrapaola  400 2676031.67  4372430.36  1035.44  M 
1430  Scala Coeli  330 2682627.71  4367908.58  1199.35  M 
1440  Crucoli  367 2692505.74  4365746.08  958.11  M‐N 
1450  Umbriatico  385 2685354.19  4357786.67  1124.74  M 
1455  Cirò Marina  10 2703128.17  4361577.93  645.63  Classico 
1460  Cirò Marina  6 2703806.73  4360359.96  726.53  N 

B.17
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

1470  San Giovanni in Fiore  1050 2666506.51  4346460.51  818.60  M 


1480  Quaresima  1300 2645002.27  4341769.77  1475.39  F 
1490  Lorica C.C.  1290 2650572.82  4345776.86  1189.72  N 
1500  Nocelle  1315 2653706.46  4344812.60  1231.72  Classico 
1510  Sculca  1358 2649507.92  4353592.18  1353.34  F 
1520  Monteoliveto  1237 2658232.36  4351953.53  1301.22  Classico 
1530  Stratalati  1200 2663701.27  4349030.07  1351.30  Classico 
1540  Berberano  1280 2656028.86  4338129.91  1286.11  Classico 
1550  Trepidò  1295 2666644.16  4339092.31  1381.97  Classico 
1560  Casa Paquale  1246 2668483.42  4338294.30  1335.45  N 
1580  Cerenzia  663 2674140.36  4345608.07  604.20  M 
1600  Santa Severina  326 2685265.57  4334775.05  836.22  M‐N 
1610  Rocca di Neto  183 2694901.02  4338013.04  773.10  M‐N 
1620  Verzino  550 2680539.88  4353182.78  946.25  M 
1630  Casabona  309 2688767.28  4346138.85  903.04  M 
1640  San Nicola dell`Alto  576 2689698.32  4351300.86  706.60  Classico 
1650  Strongoli  342 2696613.33  4348132.18  740.89  M 
1670  Acqua della Quercia  169 2695941.77  4322452.5  447.20  M 
1675  Papanice  156 2694825.95  4326816.14  529.37  A‐S 
1680  Crotone  5 2703970.88  4327880.16  612.11  M‐N 
1690  Capo Colonne  24 2710815.31  4322274.94  657.05  M‐N 
1695  Salica  162 2703601.06  4320538.84  675.55  A‐S 
1700  Isola di Capo Rizzuto  90 2701221.67  4314645.16  612.84  M 
1710  Cutro  229 2691592.03  4322233.22  891.71  M‐N 
1720  Steccato  15 2686651.24  4312411.62  656.72  M‐N 
1730  Petilia Policastro  434 2674572.10  4330598.16  722.05  N 
1740  San Mauro Marchesato  288 2686329.77  4329892.91  612.88  M 
1750  Marcedusa  314 2678886.08  4321280.40  941.79  M‐N 
1790  Sersale  750 2669416.02  4319530.06  1209.77  M 
1810  Monaco  1250 2655613.18  4326064.35  1644.54  Classico 
1825  Spineto  1270 2652590.44  4333528.14  1273.88  A‐S 
1840  Sant Elia  650 2657433.43  4314038.57  1150.58  M 
1850  Catanzaro  334 2657510.66  4308077.69  900.80  Classico 
1855  Santa Maria di Catanzaro  70 2658656.22  4301298.88  602.52  Classico 
1860  Catanzaro  Lido  6 2660026.37  4298109.98  759.35  Classico 
1864  Vivoli C.C.  1300 2644562.90  4333190.90  1338.85  Classico 
1870  Carlopoli  950 2645838.41  4324020.74  1348.34  Classico 
1890  Umbri  885 2651014.28  4320744.05  1151.03  Classico 
1900  Olivella  360 2653052.48  4313994.41  1131.84  Classico 
1910  Gimigliano  550 2652149.52  4314719.06  1203.85  Classico 
1920  Borgia  332 2650874.26  4298663.02  1143.71  N 
1930  Girifalco  450 2643696.73  4297992.69  1424.73  N 
1935  Serralta  1013 2638577.90  4290580.95  1424.67  A‐S 
1940  Palermiti  480 2646280.05  4290263.01  1022.55  Classico 
1950  Staletti  390 2653859.28  4291867.02  933.24  N 
1960  Chiaravalle Centrale  516 2642649.01  4281126.02  1233.14  Classico 
1970  Soverato Marina  6 2654831.22  4282941.04  490.80  Classico 
1980  Serra San Bruno  790 2635375.85  4271227.53  1663.55  Classico 
1990  Simbario  760 2635522.64  4274467.10  1479.59  Classico 
1993  Campo Gagliato C.C.  370 2647426.57  4283497.61  1307.72  Classico 
2010  San Sostene  475 2649409.05  4277486.06  1576.71  Classico 
2020  Badolato  250 2652579.25  4270075.96  1168.39  M‐N 
2040  Punta Stilo  70 2655451.86  4257295.14  719.14  Classico 
2050  Ferdinandea  1050 2640312.70  4263191.70  1724.58  Classico 
2060  Stilo  410 2648141.49  4259952.12  1124.75  M 
2070  Riace  304 2649046.09  4253219.10  972.14  M 
2080  Placanica  250 2648376.31  4252833.32  893.18  Classico 
2086  Mongiana  921 2635066.85  4263820.68  1761.48  Classico 
2090  Fabrizia  948 2633618.81  4261173.063  1705.53  Classico 
2100  Nardodipace  670 2637125.47  4259136.09  1526.47  Classico 
2110  San Nicola di Caulonia  225 2639817.19  4252547.24  1252.31  N 
2120  Caulonia  275 2642974.37  4249141.04  860.06  N 
2140  Mammola  250 2628371.80  4246804.35  1450.33  Classico 

B.18
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2150  Croceferrata  970 2632114.19  4258691.34  1584.33  F 


2160  Gioiosa Ionica  125 2633871.31  4244136.10  808.07  A‐S 
2170  Siderno Marina  7 2633352.85  4236082.27  764.69  Classico 
2180  Canolo Nuovo  880 2620808.85  4243307.804  1770.03  Classico 
2190  Agnana Calabra  180 2626688.44  4240092.07  1202.16  Classico 
2194  Gerace Superiore  480 2626586.99  4236730.39  1133.63  Classico 
2200  Antonimina  310 2620462.02  4236676.36  1016.57  N 
2210  Ardore Superiore  250 2622036.67  4227811.18  915.67  M 
2230  Platì  310 2611389.81  4230933.82  1541.22  Classico 
2250  Santuario di Polsi  786 2604136.29  4224505.07  1801.78  Classico 
2270  Sant Agata del Bianco  405 2615008.76  4216111.24  1061.17  M 
2290  Staiti  550 2610690.82  4206326.43  907.16  Classico 
2300  Brancaleone Marina  8 2616932.03  4202513.95  727.40  N 
2310  Capo Spartivento  48 2613187.59  4198030.69  611.25  M 
2330  Bova Marina  8 2601206.89  4198458.84  533.21  N 
2360  Croce San Lorenzo C.C.  425 2593504.58  4207879.89  919.94  Classico 
2370  Melito Porto Salvo  7 2588645.94  4196926.07  572.20  N 
2380  Montebello Ionico  470 2586604.03  4204304.78  638.10  M 
2390  Capo dell’Armi  117 2580110.02  4202129.70  498.36  N 
2400  Motta S. Giovanni  480 2580981.60  4206328.09  692.90  N 
2420  Armo  349 2582631.09  4213861.48  1004.24  Classico 
2460  Arasì  573 2582087.61  4217673.51  963.33  Classico 
2465  Cardeto  670 2587032.00  4215409.71  1276.55  A‐S 
2470  Gambarie d'Aspromonte  1300 2593327.95  4224770.20  1225.66  Classico 
2480  Gallico Marina  10 2576685.05  4224390.50  779.52  Classico 
2490  San Roberto  325 2584309.75  4229595.15  1089.51  Classico 
2500  Villa S. Giovanni  4 2575599.58  4230085.27  698.64  N 
2534  Oppido Mamertina  342 2606129.97  4238428.63  1229.54  N 
2540  SantaCristina d'Aspromonte  510 2604882.79  4234562.20  1524.69  Classico 
2560  Sinopoli  502 2596780.45  4235387.65  1429.60  Classico 
2570  Castellace  189 2602212.82  4241347.42  1298.47  N 
2600  Cittanova  407 2613678.56  4245387.04  1204.23  Classico 
2620  Gioia Tauro  20 2598252.13  4254039.58  898.29  Classico 
2630  Montecucco  730 2635339.70  4277085.42  1465.44  Classico 
2640  Filogaso  286 2627050.97  4282026.32  966.22  Classico 
2660  Sant'Angelo di Gerocarne  264 2621784.46  4274280.35  984.22  Classico 
2664  Soriano Calabro  300 2627100.36  4272931.84  1215.67  Classico 
2670  Arena  450 2625434.36  4268994.13  1254.72  A‐S 
2680  San Pier Fedele  325 2619631.29  4264572.93  1064.88  Classico 
2684  Galatro  150 2616665.05  4257476.84  1261.04  Classico 
2690  Feroleto della Chiesa  160 2612804.54  4258016.85  840.53  Classico 
2710  Limina C.C.  800 2626148.34  4249206.20  1568.83  Classico 
2720  Polistena  239 2613826.31  4251462.31  1152.13  Classico 
2730  Mileto  368 2612503.19  4273612.51  673.96  Classico 
2740  Rosarno  61 2604826.40  4260672.44  924.76  Classico 
2750  Calimera  180 2608766.49  4268082.86  943.08  Classico 
2770  Tropea  51 2598080.94  4281505.43  698.93  N 
2790  Briatico  25 2610102.10  4286996.43  804.97  N 
2840  Torre Mezzapraia  20 2625948.91  4297612.59  874.41  Classico 
2850  Curinga Scalo  25 2629464.66  4299787.60  847.82  N 
2860  San Tommaso  820 2639081.63  4327246.08  1413.69  Classico 
2880  Serrastretta  790 2642595.67  4319190.32  1370.67  Classico 
2884  Miglierina  585 2647497.52  4312113.99  1479.08  Classico 
2890  Tiriolo  690 2650746.94  4312198.03  912.30  M 
2900  Marcellinara  330 2649532.01  4309927.25  1164.12  Classico 
2910  Caraffa  370 2648966.26  4304736.86  1125.35  Classico 
2914  Vena di Maida  240 2642015.17  4305367.28  1154.76  Classico 
2920  Serra del Gelo  900 2639056.47  4293759.27  1813.28  Classico 
2930  Feroleto Antico  300 2640323.25  4313605.04  1140.54  Classico 
2940  Nicastro ‐ Bella  400 2641082.48  4314083.95  1071.05  Classico 
2960  Sant'Eufemia Lametia  25 2628569.19  4308809.49  680.07  N 
2970  Capo Suvero  20 2620437.19  4311877.60  814.54  Classico 
2980  Savuto C.C.  1205 2649897.51  4335897.76  1328.65  Classico 

B.19
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

3000  Rogliano  650 2634010.92  4337161.45  1011.88  Classico 


3020  Nocera Terinese  250 2620288.75  4321649.49  1192.39  Classico 
3030  Aiello Calabro  590 2620778.71  4330319.9  1110.38  Classico 
3040  Amantea  54 2612929.31  4332090.48  871.25  Classico 
3050  Fiumefreddo Bruzio  220 2612049.05  4343470.78  950.70  M 
3060  Paola  160 2609768.32  4358057.53  846.27  Classico 
3080  Guardia Piemontese  515 2606011.13  4369054.67  1187.41  Classico 
3090  Cetraro Superiore  76 2600767.10  4374609.94  863.90  N 
3110  Cirella  36 2589370.42  4396421.55  934.37  Classico 
3124  Verbicaro Scalo  15 2590437.23  4402135.29  941.71  Classico 
3170  Mormanno  820 2604472.44  4415474.43  1655.03  Classico 
3180  Papasidero  219 2597551.07  4413982.47  1412.20  F 
3190  Orsomarso  120 2597870.17  4405968.58  1232.36  Classico 
3195  Praia d'Aieta  10 2586572.94  4416996.16  1559.26  Classico 
3200  Scalea  10 2587508.77  4407720.27  1020.45  Classico 
3250  Aieta  524 2590389.46  4420234.31  1626.24  Classico 
A‐S: anomalie nei mesi di aprile e settembre; F: anomalie nei mesi di febbraio; M: anomalie nei mesi di marzo; 
MN: anomalie nei mesi di marzo e novembre; N: anomalie nei mesi di novembre;  

B.20
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura B.12 – Precipitazioni medie mensili (mm) nel periodo ottobre – marzo 

B.21
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura B.13 – Precipitazioni medie mensili (mm) nel periodo aprile ‐ settembre   
   
B.22
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B3 – Analisi regionale degli eventi di pioggia a scala giornaliera 
ORESTE TERRANOVA 
 
Nello studio probabilistico degli estremi idrologici, l’approccio usualmente adottato 
consiste nell’estrarre dalla serie completa delle osservazioni, CDS, i valori massimi assunti 
dalla  variabile  di  interesse  in  un  determinato  intervallo  di  tempo.  Allorché  il  periodo 
considerato sia di un anno, le serie così costruite vengono denominate AMS. Una seconda 
via consiste nell’estrarre tutti i valori che eccedano prefissati ed arbitrari valori di soglia; in 
tal  caso  la  serie  che  si  ottiene  è  detta  PDS  oppure  POT.  Se  il  valore  di  soglia  è  scelto  in 
modo da ottenere una PDS di dimensione pari al numero di anni di osservazione, la serie è 
detta  AES.  In  ogni  caso  è  molto  importante  il  numero  di  eventi  che  possono  essere 
individuati nella CDS. Questo numero infatti è in relazione con i parametri delle più comuni 
distribuzioni di probabilità adottate in idrologia. In particolare, con riferimento alle AMS, i 
parametri   ed  della  distribuzione  EV1  di  Gumbel  (Gumbel,  1958)  dipendono  dal 
numero medio annuo (s) di eventi superiori ad una soglia s secondo la relazione: 
s e , (B.11)
Se  si  indicano  con 1(s) e 2(s)  i  parametri  della  componente  di  base  e  di  quella 
straordinaria  della  distribuzione  di  probabilità  denominata  TCEV  (Rossi  e  Versace,  1982), 
che esprimono il numero di picchi di piena o di altezze di pioggia di fissata durata che si 
verificano ogni anno e sono tra loro indipendenti: 
s= s(s),  con 1(s)>2(s).            (B.12) 
Nella  presente  nota  viene  analizzata,  sulla  base  di  oltre  200  CDS  di  precipitazioni 
giornaliere  che  dispongono  di  oltre  15  anni  di  osservazione  distribuite  sul  territorio 
regionale calabrese, la variabilità spaziale di (s) per diversi valori di soglia relativamente 
ai  fattori  Pioggia  totale  dell’evento  Pev,  Intensità  media  dell’evento  Imed  e,  con  maggiore 
attenzione e dettaglio, Intensità massima dell’evento Imax. Si intende conseguire l’obiettivo 
di  contribuire  ad  una  migliore  stima  regionale  dei  parametri  dei  modelli  probabilistici, 
mettendo in relazione (s) con le caratteristiche fisiche del territorio. 
 
 
B3.1 –  Metodologia di studio 
 
I  singoli  eventi  piovosi  sono  individuati  nella  CDS  dalle  successioni  di  valori 
consecutivi non nulli di precipitazioni. Ciascuna successione, necessariamente preceduta e 
seguita da almeno un valore nullo, è stato assunto che costituisca, in assenza di più precise 
osservazioni  meteorologiche,  un  singolo  evento  pluviometrico  (Colosimo  e  Copertino, 
1981). 
I  fattori  caratterizzanti  gli  eventi  pluviometrici  così  individuati  possono  essere 
raggruppati  in  due  classi  (Gullà  et  al.,  2001;  Terranova  e  Gullà,  2003;  Antronico  et  al., 
2002).  Alla  prima  appartengono  fattori  che  rappresentano  magnitudine  e  forma  degli 
eventi  alla  seconda  quelli  che  tengono  conto  delle  quantità  di  pioggia  cadute  in  periodi 
antecedenti  l’evento  stesso.  Alcuni  dei  fattori  che  possono  essere  ascritti  alle  due  classi 
sono riportati in Figura B.14: 

B.23
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura  B.14  ‐  Fattori  del  primo  tipo:  Pioggia  totale  Pev,  Intensità  massima  Imax,  Intensità  media  Imed, 
Durata Dev, Posizione del picco tp, Pioggia dell’evento caduta prima del picco Pbp. Fattori del secondo 
tipo: Pioggia totalizzata in dati periodi precedenti il picco dell’evento in esame, Distanza temporale fra 
l’evento in esame e quello precedente, Pioggia totale dell’evento precedente quello in esame. 
 
La  magnitudine  da  analizzare  può  quindi  riguardare  più  di  un  fattore.  Il  generico 
fattore  può  essere  in  posizione  diversa  sulla  scala  dei  tempi;  relativamente  al  tempo  di 
superamento  della  soglia.  Differenti  criteri  di  posizionamento  possono  essere  adottati  a 
seconda  del  fattore  di  interesse  e  del  fenomeno  fisico  che  si  intende  analizzare.  Nel 
seguito,  per  semplicità  di  trattazione,  il  tempo  di  posizionamento  sarà  assunto  pari  a 
quello di inizio dell’evento.  
Le  problematiche  relative  alle  caratteristiche  di  stagionalità  sono  state  nel  seguito 
affrontate operando con periodi omogenei, gli anni idrologici, ed analizzando di seguito la 
distribuzione  degli  eventi  all’interno  di  questo  periodo.  Quindi,  per  ciascun  anno 
idrologico, vengono individuati e conteggiati gli eventi che eccedono il valore di soglia, s, 
relativamente  al  fattore  di  magnitudine  analizzato.  Si  ottiene  così  il  valore  medio 
campionario, la varianza campionaria, ecc. del numero  (s) di tali eventi. Il procedimento 
viene ripetuto per diversi valori di soglia per poter studiare la corrispondente variabilità di 
(s). 
In definitiva il rischio R, o probabilità di eccedenza, che il generico fattore x superi il 
valore di soglia s è analizzato facendo variare il valore di soglia s nella relazione: 
S
R(x>s) = 1 ‐ P(xs) = 1‐ 
 
p( x)dx
         
(B.13) 

e  conteggiando  gli  eventi  che  eccedono  s.  E’  stato  in  questa  fase  preferito  di  non 
appesantire  lo  studio  indagando  riguardo  alle  funzioni  di  distribuzione  di  probabilità 
teoriche  più  adatte  ad  interpretare  le  serie  delle  magnitudini.  In  definitiva,  allorché  sia 
stato  necessario  stimare  le  probabilità,  si  è,  imprecisamente,  ricorso  ad  interpolazioni  e 
solo molto di rado ad estrapolazioni fra le frequenze campionarie. 
 
 
B3.2 – Applicazione al territorio calabrese  
 
Per  quanto  riguarda  il  numero  di  eventi  di  pioggia  che  interessano  il  territorio 
regionale, Versace et al. (1989) indicano la maggiore frequenza e la minore intensità degli 

B.24
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

eventi  piovosi  sulla  fascia  tirrenica,  in  particolare  della  Catena  Costiera,  rispetto  a  quelli 
della  fascia  ionica,  in  particolare  delle  Serre,  ove  gli  eventi  sono  più  brevi  e  più  intensi. 
Secondo Bellecci et al. (2003) il numero di eventi piovosi è maggiore sulla fascia tirrenica 
della Catena Costiera e minore nelle fasce costiere della piana di Sibari, del Marchesato e 
dell’estremo  versante  meridionale  dell’Aspromonte,  in  quanto  protette  dalle 
perturbazioni,  provenienti  in  genere  da  Nord  Nord‐Ovest  in  Inverno,  rispettivamente  dal 
massiccio  del  Pollino,  dall’Altopiano  silano  e  dai  monti  Peloritani  della  Sicilia.  Da  questo 
effetto  di  protezione  risentono  solo  parzialmente  i  versanti  ionici  delle  Serre;  in  questa 
zona  in  effetti,  provenendo  dall’Egeo,  le  precipitazioni  autunnali  sono  maggiori  di  quelle 
invernali. 
Nelle  mappe  di  Figura  B.4  e  B.15  sono  riportate  le  iso‐curve  dei  valori  medi  annui 
delle piogge (MAR) e del numero medio annuo di giorni piovosi (NGP). Si osserva che i più 
bassi valori di MAR sono relativi alle aree della Calabria ionica settentrionale e quelli più 
elevati  ai  rilievi  della  Catena  Costiera  paolana,  delle  Serre  e  dell’Aspromonte;  le  fasce 
costiere, soprattutto ioniche, presentano i valori più bassi di NGP mentre le aree montane 
presentano i più elevati valori di NGP. 

Figura B.15 – Precipitazioni medie annue, Numero medio annuo di giorni piovosi. 

B.25
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B3.3 – Valutazione del numero medio annuo di eventi 
 
Avendo  indicato  con  NRD  il  rapporto  MAR/NGP,  per  ciascuna  stazione  è  stato 
calcolato il numero medio annuo di eventi piovosi con intensità massima superiore a valori 
di soglia variabili da 0 a 30NRD.  
Per ciascuna stazione e per ciascun valore di soglia è possibile verificare la capacità 
delle distribuzioni probabilistiche di Poisson, di Bernoulli o Binomiale negativa, di adattarsi 
alle distribuzioni  campionarie  dei  relativi  numeri di  eventi  annui.  Ovviamente  al  crescere 
dei valori di soglia le dimensioni campionarie si riducono rapidamente e quindi le verifiche 
di bontà di adattamento rispetto ad una singola stazione perdono di significato. In questa 
fase dell’indagine sono stati calcolati i rapporti fra la media e la varianza dei valori annuali 
di (s). Questi rapporti permettono una prima valutazioni circa la distribuzione più adatta 
ad  interpretare  le  serie  dei  valori  annuali  campionari  di  (s);  infatti  a  rapporti  prossimi 
all’unità  corrisponde  la  distribuzione  di  Poisson,  a  rapporti  minori  di  1  la  distribuzione 
Binomiale  negativa  ed  a  rapporti  maggiori  di  1  quella  di  Bernoulli.  I  risultati  trovati 
indicano  (Terranova,  2004)    generalmente  un  buon  adattamento  della  distribuzione  di 
Poisson.   
Lo  studio  è  proseguito,  al  fine  di  delimitare  zone  omogenee  riguardo  a  (s) 
adottando, per semplicità, la tecnica “Kriging” di regionalizzazione. In Figura B.16, a titolo 
esemplificativo,  è  riportato  per  ciascun  fattore,  l’andamento  di  (s)  al  variare  di  s  per 
alcune stazioni calabresi. 
 

Figura B.16 – Andamenti di (s) su cartogrammi di Gumbel al variare di s, relativamente a Pev, Imax ed 
Imed, per alcune stazioni 

Le  mappe  di  Figura  B.17  forniscono  ulteriori  elementi  riguardo  alla  caratteristiche 
degli eventi di pioggia sul territorio regionale calabrese. Nelle mappe sono infatti riportate, 
per Imax, Pev e Imed, le isolinee del numero di eventi rispettivamente per s=2∙NRD, s=10∙NRD 
ed  s=3∙NRD.  In  precedenti  studi  (Terranova,  2003a,  2003b),  relativi  ad  ambiti  territoriali 
più limitati comprendenti comunque oltre  il 60% del territorio regionale,  sono illustrate 
mappe in cui i valori di s sono caratterizzati dalla frequenza campionaria. 

B.26
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura B.17 – Mappe di (s) per s=2∙NRD, s=10∙NRD ed s=3∙NRD in relazione rispettivamente ad Imax, 
Pev e Imed 
 
L’approccio permette, fissato a piacere un qualsiasi valore di soglia s rispetto ad un 
qualsiasi  fattore  di  interesse,  di  ottenere  la  distribuzione  sul  territorio  regionale  del 
numero  di  eventi  che  eccedono  tale  soglia.  In  definitiva  si  riescono  ad  identificare  ed  a 
caratterizzare  (Antronico  et  al.  2002;  Terranova,  2002a)  completamente  gli  eventi  che 
eccedono  prefissate  magnitudini  mediante  i  fattori  sia  del  primo  che  del  secondo  tipo; 
L’identificazione  completa  degli  eventi  fornisce  peraltro  l’opportunità  di  individuare  i 
periodi dell’anno in cui eventi di prefissate caratteristiche sono più frequenti.  
Con  riferimento  ad  Imax,  viene  mostrata  (Figura  B.18)  una  prima  mappa  di 
(s=0NRD)  dalla  quale  si  evince  che  il  maggior  numero  di  eventi  di  pioggia  è  presente 
principalmente  nelle  aree  interne  della  regione  e  solo  in  limitatissime  aree  della  fascia 
tirrenica  ed  il  minor  numero  di  eventi  è  invece  presente  principalmente  in  aree  costiere 
ioniche ma anche in alcune aree vallive interne e in alcune aree tirreniche; da una seconda 
mappa relativa a (s=5NRD) si osserva un quadro molto diverso, con il più basso numero 
di  eventi  sulla  fascia  tirrenica  ed  il  maggior  numero  di  eventi  nella  fascia  ionica.  Queste 
due mappe consentono di trarre la conclusione che, diversamente da quanto riportato in 
studi  precedenti  (Penta  et  al.,  1980;  Versace  et  al.,  1989),  mentre  il  massimo  numero  di 
eventi non ha luogo sulla fascia tirrenica bensì sulle aree montane interne, effettivamente 
sulle  aree  ioniche  si  verificano  gli  eventi  di  maggiore  intensità  relativa.  Questo  secondo 
tipo  di  considerazione  inizia  ad  acquisire  valore  per  s  pari  circa  a  5NRD  e  conferma  la 
maggiore esposizione delle aree ioniche ad eventi pluviometrici eccezionali. 
Gli scenari intermedi fra s=0∙NRD ed s=5∙NRD mostrano tutti valori massimi di  (s) 
che  dal  posizionamento  sulle  aree  interne  della  regioni  si  spostano  man  mano  verso  le 
aree ioniche.
Dato che i valori di NRD assumono valori da circa 5 a circa 18 mm, se si decide di non 
operare in campo adimensionale al valore s = 5∙NRD corrispondono soglie d da circa 25 a 
circa  90  mm.  Gli  scenari  di  (d)  per  questi  ed  ad  altri  valori  di  soglia  sono  riportati 
sinteticamente in tabella 1: 
In definitiva i valori massimi di  (d) sono localizzati sulla fascia della Catena costiera 
per valori di d compresi fra 40 e 60 mm e comunque sono comparabili (Figura B.19) con 
quelli dell’area della Sila e della catena Aspromonte‐Serre.  

B.27
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Figura B.18 – Scenari del numero di eventi con Imax eccedente le soglie s=0∙NRD ed s=5∙NRD 

Da quanto riportato in Tabella B.III appare evidente che non è possibile individuare 
un unico valore di soglia d che conduca ai valori proposti da Versace et al. (1989) ed ancor 
meno  alla  zonazione  proposta.  Quanto  proposto  dall’Autorità  di  Bacino  della  Calabria 
(2002)  trova  invece  approssimativamente  riscontro  nei  valori  relativi  alla  soglia  d=8mm, 
seppure la zonazione proposta continui a non trovare corrispondenza con quella dei dati 
campionari. 

Tabella B.III– Campo di variazione di  (d) ed aree di localizzazione, in ordine di importanza relativa, 
dei valori minimi e massimi di (d) 
Soglia    Valore minimo   Localizzazione   Valore massimo  Localizzazione  
d (mm)  di (d)  minimi  di (d)  massimi 
Poll., Sila, Str., C.C., Serre‐
2  24  KR  47 
Aspr., Poro 
Poll., Sila, Str., C.C., Serre‐
4  18  KR  41 
Aspr. , Poro 
Poll., Sila, Str., C.C., Serre‐
6  14  KR  37 
Aspr. , Poro 
Poll., Sila, Str., C.C., Serre‐
8  11  KR, Sib.  34 
Asp. , Poro 
Poll., Sila, Str., C.C., Serre, 
10  9.2  KR, Sib.  32 
Poro 
Poll., C.C., Sila, Str., Aspr.‐
20  3.5  KR, Sib.  21 
Serre, Poro 
Coste, Valle Sib.‐ Poll., C.C., Aspr.‐Serre, Sila, 
40  0.9  8,6 
Crati  Str. 
Coste, Valle Sib.‐ Aspr.‐Serre, C.C., Poll., Str.‐
60  0.1  4.9 
Crati  Sila ionica 
Aspr.‐Serre‐Sila ionica, C.C.‐
80  0.02  Coste, Valli  3.4 
Poll. 
100  0  Coste, Valli 2.6 Aspr., Sila ionica, Serre 
KR=crotonese, Poll.=Pollino, Str.=Stretta di Catanzaro, C.C.=Catena Costiera, Aspr.=Aspromonte, 
Sib.=valle di Sibari, Crati=valle del Crati 

B.28
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

4400000 4400000
4
7

4350000 4350000
3

5
4300000 4300000
2

4250000
3 4250000
1

4200000 4200000
2580000 2620000 2660000 2700000 1 2580000 2620000 2660000 2700000 0

Figura B.19 – (d) per d=40mm e per d=60mm 
 
 
 
   

B.29
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B4 – Analisi degli eventi di pioggia a scala di tempo 5 minuti 
ORESTE TERRANOVA, (CON LA PARTECIPAZIONE DI PASQUALE IAQUINTA E STEFANO LUIGI GARIANO) 
 
B4.1 – Introduzione  
 
L’andamento  della  piogge  nel  dominio  spazio‐temporale  costituisce  il  dato  di 
ingresso  di  molti  modelli  matematici  di  versante.  Infatti  è  molto  frequente  il  caso  che 
grandezze  di  più  diretto  interesse,  quali  ad  esempio  le  portate  di  un  corso  d’acqua  o  un 
livello  di  falda  o  il  tasso  di  erosione  del  suolo  di  un  bacino,  non  siano  direttamente 
disponibili. 
D’altro canto le osservazioni pluviometriche sono per lo più disponibili per intervalli 
spazio‐temporali  discreti  mentre,  viceversa,  l’informazione  dovrebbe  essere  nota  con 
adeguata  risoluzione  per  quanto  riguarda  sia  la  distribuzione  nello  spazio  sia  la  sua 
struttura nel tempo.    
Le applicazioni idrologiche per le quali sia necessario conoscere l’andamento spazio 
temporale delle piogge spaziano dall’idrologia urbana ai modelli di innesco e propagazione 
di  colate  detritiche.  Ad  esempio,  un’appropriata  conoscenza  della  struttura  nel  tempo  è 
necessaria per i modelli di trasformazione afflussi‐deflussi relativamente a piccoli bacini e 
questa conoscenza deve comprendere la distribuzione spaziale delle piogge per bacini di 
maggiore estensione.  
La qualità dell’input pluviometrico è un elemento cruciale in relazione all’output dei 
modelli, ma i processi fisici che determinano le precipitazioni sono molto complessi per cui 
si  ricorre  spesso  a  modelli  di  pioggia  esterni,  che  tentano  di  riprodurre  la  distribuzione 
spazio‐temporale  delle  osservazioni  disponibili.  Questa  calibrazione  è  spesso  poco 
soddisfacente  a  causa  dell’alta  variabilità  nel  tempo  delle  intensità  di  pioggia  riscontrata 
per diversi eventi di pioggia (Kottegoda e Kassim, 1991). 
La  maggior  parte  dei  metodi  proposti  in  letteratura  per  generare  pluviogrammi  di 
progetto sono essere classificati in 5 categorie da Pilgrim e Cordery (1975) o in 4 categorie 
da Veneziano e Villani (1999): 
i. Utilizzo  delle  curve  IDF  (Intensità/Durata/Frequenza):  spesso  l’input  pluviometrico 
viene  fatto  derivare  dalle  IDF,  che  rappresentano  un’alternativa  all’impiego 
dell’informazione sull’andamento spazio‐temporale degli eventi pluviometrici. Le IDF 
derivano però da una combinazione di valori di intensità uniformi derivanti dai valori 
massimi  contenuti  in  eventi  diversi  e  costituiscono  quindi  degli  eventi  di  pioggia 
incompleti. Nelle IDF non è quindi compresa l’informazione sulle piogge precedenti al 
valore massimo che è essenziale per molti modelli idrologici (Bonta, 2004). 
ii. Individuazione di forme geometriche semplici legate ad un singolo punto delle curve 
IDF:  nel  caso  si  adotti  questo  metodo,  agli  inconvenienti  menzionati  al  punto 
precedente si somma il fatto che non ha forti basi concettuali e che esso può produrre 
stime di pioggia distorte (Veneziano and Villani, 1999). 
iii. Simulazione  da  modelli  stocastici:  Un  certo  numero  di  algoritmi  per  simulare  piogge 
stocastiche,  in  cui  gli  eventi  di  pioggia  sono  normalmente  rappresentati  da  impulsi 
rettangolari di diversa durata ed intensità (Onof e Wheater, 1993), sono stati proposti 

B.30
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

in  letteratura  (ad  es.  Nicks  et  al.,  1995;  Hanson  et  al.,  2002).  Il  tener  conto  della 
struttura della pioggia ha migliorato i rendimenti di questi modelli (Lambert e Kuczera, 
1996; Heneker et al. 2001). Questi modelli risultano però, essendo stati messi a punto 
utilizzando basi di dati con passo 24 ore, spesso inadatti a riprodurre la struttura delle 
precipitazioni per più bassi incrementi di tempo.  
iv. Utilizzo di profili standardizzati ottenuti direttamente da dati storici di precipitazione 
(Hershfield, 1962; Huff 1967). 
Il  metodo  di  rappresentazione  probabilistica  introdotto  da  Huff  (1967)  esprime, 
mediante delle curve dette standardized rainfall profiles (SRP) o normalized mass curves o 
Huff’s curves, il carattere di casualità ed alta variabilità delle precipitazioni sia nel tempo 
che nello spazio. Un profilo di pioggia è costituito dalla curva le cui ascisse rappresentano il 
tempo  progressivo,  t,  e  le  ordinate  le  altezze  di    pioggia  cumulata,  yt;  il  profilo  è 
standardizzato (adimensionalizzato) dividendo i tempi progressivi per la durata totale, Dev, 
e le altezze cumulate per la pioggia totale, Pev, dell’evento. La SRP può essere vista come 
una variabile casuale la cui funzione bidimensionale ha una relazione del tipo:  
FD π , τ   P   π ,   τ                (B.14) 
in cui le due variabili  e  sono pari a  
π  yt / Pev  ;  τ  t / Dev .               (B.15) 

La funzione di distribuzione FD può essere vista come la probabilità di accadimento di una 
SRP. (Huff, 1967; Colosimo et al. 1996). 
In altre parole, un generico SRP è descritto dalla relazione  
1
SRPτ    τ 'dτ'
τ
(B.16) 
Pev 0
               
in cui (’) rappresenta l’intensità istantanea di pioggia al tempo 0≤ ’ ≤Dev. 
Si può procedere all’analisi statistico‐probabilistica disponendo di un buon numero N 
di  SRP,  derivandone  informazioni  in  termini  probabilistici.  Ad  una  qualsiasi  durata  i 
corrispondono  N  piogge  i;  queste  N  piogge  sono  analizzate  in  termini  statistici, 
determinandone  i  quantili;  ripetendo  l’analisi  per  diversi    si  ottengono  curve  di  egual 
quantile.  Ad  esempio,  per  la  curva  isoquantile  del  90%,  una  generica  coppia  (,)  può 
essere superata con probabilità al più pari al 10%. 

B.31
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

1
0.9
0.8
0.7
0.6 10%
P/Pev

0.5 25%

0.4 50%

0.3 75%

0.2 90%

0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

  t/tev  
Figura  B.20  –  Profilo  di  pioggia  standardizzato  (SRP)  che  riassume  il  range  di  condizioni  di  pioggia 
attraverso  iso‐quantili. Il quantile 90% caratterizza i profili di tipo avanzato (intensità massima nella 
prima parte dell’evento); il quantile 10% caratterizza i profili di tipo ritardato (massima intensità nella 
parte finale dell’evento). 

L’analisi  degli  SRP  può  essere  condotta  per  trarne  molteplici  informazioni  ed  in 
particolare per disaggregare le precipitazioni totali. A tal fine è possibile classificare gli SRP 
secondo  vari  criteri:  durata,  pioggia  totale,  intensità  massima  in  un  prefissato  tempo  o 
intensità media, appartenenza ad una data area geografica o versante o fascia altimetrica.  
Per  individuare  la  forma  del  SRP,  Huff  (1967)  ha  rimarcato  l’importanza  di 
distinguerli  a  seconda  della  posizione  del  picco  di  pioggia  nella  prima,  seconda,  terza  o 
quarta frazione di Dev.  
Il fine è di stimare la frequenza di date forme di SRP in relazione alla interazione sulla 
idrologia  di  versante.  Una  classificazione  diversa,  secondo  tre  o  più  coppie  di  forme, 
seppure  con  simili  finalità,  è  proposta  da  Kottegoda  e  Kassim  (1991)  in  base:  (i)  alle 
intersezioni dell’SRP con quello di uniforme intensità nel tempo, USRP; (ii) alla posizione (al 
di sopra o al di sotto del corrispondente tratto di USRP) del tratto di profilo che precede 
detta l’intersezione; (iii) alle aree A+ ed A‐ sottese fra il profilo in esame e quello USRP. Un 
criterio  simile,  sintetizzato  in  5  forme,  è  adottato  da  Colosimo  et  al.  (1996)  che 
suddividono l’asse delle ascisse in tre parti uguali e calcolano: (i) le tre aree  sottese fra i 
tre  tratti  di  SRP  in  esame  e  l’asse  orizzontale;  (ii)  la  posizione  nel  tempo  del  picco  di 
pioggia; (iii) l’area complessiva sottesa fra l’SRP in esame e l’asse orizzontale. In Colosimo 
et  al.  (1996)  una  misura  della  variabilità  degli  SRP  è  fornita  dal  valore  dell’area,  Ar, 
compresa fra la SRP relativa al frattile 90% e quella del frattile 10%. 
Le  piogge  sono  distribuite  non  uniformemente  nello  spazio,  interessando  zone  via 
via  diverse  e  concentrando  le  precipitazioni  in  porzioni  di  queste  zone  diverse  per 
posizione  ed  estensione.  E’  quindi  necessaria  una  descrizione  degli  eventi  di  pioggia  per 
quanto riguarda la variabilità nello spazio. Nel suo lavoro pioneristico Huff (1967) propone 
delle  SRP  ottenute  da  dati  mediati  nello  spazio;  queste  SRP  mediate  indicano  intensità 

B.32
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

minori rispetto a quelle delle indagini puntuali. Dalle conclusioni di studi successivi (NERC, 
1975; Bonta e Rao, 1989;  Huff, 1990;  Huff and Angel, 1992) risulta evidente la necessità di 
migliorare le conoscenze sulla variabilità spaziale degli SRP, superando la semplice media 
proposta da Huff (1967).    
 
B4.2 – Descrizione delle informazioni disponibili e metodo di studio adottato  
 
In Calabria è disponibile, a partire dal 1989, un data‐base pluviometrico con passo di 
tempo pari a 5 minuti per 155 stazioni (CFS‐MidMar) (Figura B.21; Tabella B.IV). Tali serie 
storiche di dati hanno diverse durate ma comunque comprese, spesso con interruzioni, tra 
il 1989 e il 2008; mediamente il periodo di osservazione è di 11 anni.  

Tabella B.IV ‐ Elenco delle stazioni in esame e principali caratteristiche 
Quota  Osservazioni 
SIMI  Stazione  Prov. X  Y  Anni 
(m s.l.m.) dal  al 
865  Roseto Capo Spulico  CS  10 2656899 4427267 2002  2008  7 
870  Oriolo  CS  450 2643735 4434362 2001  2008  8 
900  Albidona  CS  810 2636624 4420097 1991  2008  18 
924  Cerchiara di Calabria  CS  636 2638341 4413056 2005  2008  4 
930  Villapiana Scalo  CS  5 2646585 4406064 1990  2008  19 
970  Cassano allo Ionio  CS  250 2632687 4404798 2002  2008  7 
1000  Domanico  CS  736 2624109 4341834 1990  2008  19 
1010  Cosenza  CS  242 2629027 4349472 1990  2008  19 
1020  Cerisano  CS  620 2621486 4348028 2002  2006  5 
1030  San Pietro in Guarano  CS  660 2632930 4355431 1990  2008  19 
1060  Montalto Uffugo  CS  468 2619791 4362437 1990  2008  19 
1092  Camigliatello Monte Curcio  CS  1730 2641941 4352951 1989  2008  20 
1100  Cecita  CS  1180 2652884 4362099 1990  2008  19 
1120  Acri  CS  750 2638882 4371771 1990  2008  19 
1130  Torano Scalo  CS  97 2624043 4372282 1990  2008  19 
1135  Fitterizzi  CS  185 2618049 4375132 2000  2008  9 
1140  Tarsia  CS  203 2629265 4386061 1990  2008  19 
1145  Mongrassano  CS  75 2624483 4376735 1990  1990  1 
1170  Morano Calabro  CS  722 2617167 4411092 2002  2007  6 
1180  Castrovillari  CS  353 2624477 4408508 1990  2008  19 
1185  Castrovillari ‐ Camerata  CS  82 2628999 4398910 2005  2008  4 
1195  Lungro  CS  570 2616355 4399262 2001  2008  8 
1220  Roggiano Gravina  CS  264 2619324 4385741 1992  2007  16 
1230  San Sosti  CS  404 2608180 4391014 1990  2008  19 
1260  San Marco Argentano  CS  430 2616283 4379074 1990  2007  18 
1295  Sibari  CS  6 2648311 4396694 2002  2008  7 
1324  Corigliano Calabro  CS  219 2650099 4385398 2002  2008  7 
1360  Longobucco  CS  770 2658568 4367528 2001  2008  8 
1380  Cropalati  CS  367 2668277 4375517 1999  2008  10 
1410  Cariati Marina  CS  10 2688246 4373509 2001  2008  8 
1440  Crucoli  KR  367 2692506 4365746 2002  2008  7 
1455  Ciro Marina  KR  10 2703128 4361578 1990  2008  19 
1470  San Giovanni in Fiore  CS  1050 2666507 4346461 1990  2007  18 
1500  Nocelle  CS  1315 2653706 4344813 1990  2008  19 
1570  Savelli  KR  964 2673650 4353220 2001  2008  8 
1580  Cerenzia  KR  663 2674140 4345608 1999  2008  10 
1590  Belvedere Spinello  KR  330 2683007 4341729 2002  2007  6 

B.33
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

1610  Rocca di Neto  KR  183 2694901 4338013 2002  2002  1 


1640  San Nicola dell`Alto  KR  576 2689698 4351301 2002  2008  7 
1670  Acqua della Quercia  KR  169 2695942 4322453 1997  2008  12 
1675  Papanice  KR  156 2694826 4326816 1997  2008  12 
1680  Crotone  KR  5 2703971 4327880 1990  2008  19 
1695  Salica  KR  162 2703601 4320539 1997  2008  12 
1700  Isola di Capo Rizzuto  KR  90 2701222 4314645 1990  2008  19 
1724  Cotronei  KR  530 2674063 4336020 2001  2008  8 
1730  Petilia Policastro  KR  434 2674572 4330598 1998  2002  5 
1733  Serrarossa  KR  49 2683427 4326054 2001  2008  8 
1735  Petronà  CZ  889 2672226 4323062 2002  2008  7 
1740  San Mauro Marchesato  KR  288 2686330 4329893 1997  2008  12 
1755  Pagliarelle  KR  802 2671149 4333990 2002  2008  7 
1760  Botricello  CZ  18 2681088 4311920 2002  2008  7 
1780  Cropani  CZ  347 2674190 4314835 2001  2008  8 
1800  Sellia Marina  CZ  30 2670999 4307193 2002  2006  5 
1820  Soveria Simeria  CZ  366 2666369 4312755 2001  2008  8 
1825  Spineto  CZ  1270 2652590 4333528 2001  2008  8 
1830  Albi  CZ  710 2658184 4321351 2001  2008  8 
1850  Catanzaro  CZ  334 2657511 4308078 1990  2008  19 
1865  Roccelletta di Borgia  CZ  8 2658723 4297853 2000  2008  9 
1935  Serralta  CZ  1013 2638578 4290581 1999  2008  10 
1940  Palermiti  CZ  480 2646280 4290263 1990  2008  19 
1955  Petrizzi  CZ  391 2648178 4285030 2002  2005  4 
1960  Chiaravalle Centrale  CZ  516 2642649 4281126 1990  2008  19 
1970  Soverato Marina  CZ  6 2654831 4282941 1990  2008  19 
1980  Serra San Bruno  VV  790 2635376 4271228 1990  2008  19 
2025  Santa Caterina dello Ionio  CZ  459 2652437 4266397 2001  2008  8 
2040  Punta Stilo  RC  70 2655452 4257295 1990  2008  19 
2050  Ferdinandea  RC  1050 2640313 4263192 1992  2005  14 
2072  Stignano  RC  395 2648481 4253100 2005  2008  4 
2086  Mongiana  VV  921 2635067 4263821 1992  2008  17 
2090  Fabrizia  VV  948 2633619 4261173 1992  2008  17 
2120  Caulonia  RC  275 2642974 4249141 1990  2006  17 
2130  Roccella Ionica  RC  5 2642347 4242618 2001  2008  8 
2140  Mammola  RC  250 2628372 4246804 1992  2005  14 
2150  Croceferrata  VV  970 2632114 4258691 1992  2008  17 
2160  Gioiosa Ionica  RC  125 2633871 4244136 1999  2008  10 
2170  Siderno Marina  RC  7 2633353 4236082 1990  2005  16 
2180  Canolo Nuovo  RC  880 2620809 4243308 1990  2008  19 
2200  Antonimina  RC  310 2620462 4236676 1992  2008  17 
2205  Locri  RC  10 2630120 4232652 2001  2008  8 
2210  Ardore Superiore  RC  250 2622037 4227811 1990  2008  19 
2220  Bovalino Marina  RC  8 2623265 4222722 2005  2008  4 
2230  Platì  RC  310 2611390 4230934 1992  2008  17 
2250  Santuario di Polsi  RC  786 2604136 4224505 1992  2005  14 
2260  San Luca  RC  250 2612867 4222966 2005  2008  4 
2270  Sant Agata del Bianco  RC  405 2615009 4216111 1992  2008  17 
2290  Staiti  RC  550 2610691 4206326 1992  2008  17 
2310  Capo Spartivento  RC  48 2613188 4198031 1990  2008  19 
2320  Bova Superiore  RC  800 2601941 4205648 2005  2008  4 
2330  Bova Marina  RC  8 2601207 4198459 2002  2003  2 
2340  Roccaforte del Greco  RC  930 2599010 4211248 2002  2008  7 
2370  Melito Porto Salvo  RC  7 2588646 4196926 1990  2004  15 
2380  Montebello Ionico  RC  470 2586604 4204305 2002  2008  7 

B.34
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2450  Reggio Calabria  RC  15 2576531 4217310 1990  2008  19 


2460  Arasì  RC  573 2582088 4217674 2002  2008  7 
2463  Rosario  RC  440 2584826 4210804 2002  2008  7 
2465  Cardeto  RC  670 2587032 4215410 1999  2008  10 
2466  Sant’Alessio in Aspromonte  RC  548 2586210 4224896 2005  2008  4 
2470  Gambarie d’Aspromonte  RC  1300 2593328 4224770 1990  2008  19 
2495  Reggio Calabria ‐ Catona  RC  6 2576458 4226570 2005  2008  4 
2510  Scilla  RC  73 2582619 4234328 1990  2008  19 
2512  Scilla ‐ Villaggio del Pino  RC  590 2584449 4232407 2006  2008  3 
2513  Scilla ‐ Piano delle Aquile  RC  595 2585841 4233497 2005  2008  4 
2514  Scilla ‐ Tagli  RC  560 2587752 4234555 2006  2008  3 
2515  Scilla ‐ Solano  RC  620 2589700 4233881 2006  2008  3 
2520  Bagnara Calabra  RC  30 2590367 4237845 2002  2008  7 
2530  Palmi  RC  248 2595135 4247000 2001  2008  8 
2540  Santa Cristina d’Aspromonte RC  510 2604883 4234562 1990  2008  19 
2544  Riziconi ‐ Ponte Vecchio  RC  30 2599679 4248381 2002  2008  7 
2560  Sinopoli  RC  502 2596780 4235388 2002  2008  7 
2570  Castellace  RC  189 2602213 4241347 2002  2008  7 
2580  Molochio  RC  310 2610047 4240851 2001  2008  8 
2600  Cittanova  RC  407 2613679 4245387 1990  2008  19 
2610  Rizziconi  RC  82 2603754 4251968 2005  2008  4 
2635  Sbarretta  RC  26 2606176 4261944 2002  2002  1 
2650  Pizzoni  VV  275 2628635 4275624 2001  2008  8 
2665  S. Pietro di Caridà  VV  750 2617032 4266708 2002  2008  7 
2670  Arena  VV  450 2625434 4268994 2001  2008  8 
2690  Feroleto della Chiesa  RC  160 2612805 4258017 1990  2008  19 
2700  Giffone  RC  594 2619763 4255008 2001  2008  8 
2710  Limina C.C.  RC  800 2626148 4249206 1992  2008  17 
2730  Mileto  VV  368 2612503 4273613 1990  2008  19 
2740  Rosarno  RC  61 2604826 4260672 2001  2008  8 
2760  Joppolo  VV  185 2597891 4271268 2002  2008  7 
2770  Tropea  VV  51 2598081 4281505 1990  2006  17 
2780  Zungri  VV  571 2605698 4278809 2005  2008  4 
2800  Vibo Valentia  VV  498 2616268 4281544 2000  2008  9 
2802  Vibo Valentia ‐ Longobardi  VV  170 2617371 4284397 2006  2008  3 
2804  Vibo Marina  VV  20 2617543 4286116 2006  2008  3 
2810  Pizzo Calabro  VV  107 2620811 4288142 2002  2006  5 
2815  Capo Vaticano  VV  30 2592185 4275278 2002  2008  7 
2820  Monterosso Calabro  VV  271 2631993 4286318 2005  2008  4 
2830  Filadelfia  VV  550 2631711 4293612 2001  2008  8 
2870  Decollatura  CZ  780 2636931 4323205 2002  2004  3 
2890  Tiriolo  CZ  690 2650747 4312198 1990  2008  19 
2902  Lamezia‐Licciardi  CZ  10 2628303 4305525 2001  2008  8 
2924  Cortale  CZ  470 2642772 4300044 2005  2008  4 
2940  Nicastro ‐ Bella  CZ  400 2641082 4314084 1990  2008  19 
2950  Maida  CZ  300 2638404 4301889 2002  2005  4 
2955  Lamezia Terme‐Palazzo  CZ  24 2627802 4297720 2001  2008  8 
2960  Sant’Eufemia Lametia  CZ  25 2628569 4308809 1990  2001  12 
2990  Parenti  CS  830 2641799 4335802 2002  2008  7 
3000  Rogliano  CS  650 2634011 4337161 1990  2008  19 
3010  Martirano Lombardo  CZ  430 2629728 4325938 2005  2008  4 
3020  Nocera Terinese  CZ  250 2620289 4321649 2003  2004  2 
3040  Amantea  CS  54 2612929 4332090 2001  2008  8 
3050  Fiumefreddo Bruzio  CS  220 2612049 4343471 1990  2005  16 
3060  Paola  CS  160 2609768 4358058 1990  2008  19 

B.35
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

3090  Cetraro Superiore  CS  76 2600767 4374610 1990  2008  19 


3100  Belvedere Marittimo Scalo  CS  10 2593454 4386373 2002  2008  7 
3150  Laino Borgo  CS  250 2603315 4426161 1990  2008  19 
3155  C.le Castrocucco  PZ  92 2587572 4424721 2002  2008  7 
3160  Campotenese  CS  965 2611377 4414166 2001  2008  8 
3161  Tortora  CS  12 2584992 4420393 2002  2008  7 
3180  Papasidero  CS  219 2597551 4413982 2005  2008  4 
3210  Lagonegro  PZ  670 2584937 4442423 1991  2008  18 
 

 
Figura B.21 – Stazioni pluviometriche ed anni validi di osservazioni 
 

B.36
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

In  questo  studio  (Terranova  et  al.  2010,  in  press)  sono  considerati  eventi  distinti 
quelli  intervallati  da  almeno  6  ore  di  tempo  asciutto  (Wischmeier  and  Smith,  1978), 
giungendo così a disporre di 152575 eventi sulle 155 stazioni. Successivamente gli eventi 
sono  stati  distinti,  in  accordo  con  quanto  proposto  da  Wischmeier  and  Smith  (1978),  in 
45533  eventi  erosivi  e  107042  non  erosivi,  ritenendo  che  questa  distinzione  sia 
ragionevole,  oltre  che  per  i  processi  erosivi,  anche  per  molti  altri  processi  idrologici 
(formazione  di  piene  in  piccoli  bacini  quali  quelli  del  territorio  regionale  calabrese  e 
innesco/evoluzione  di  frane  superficiali).  La  curva  di  frequenza  cumulata  delle  piogge 
totali, Pev, dei 152575 eventi è riportata in figura, con in ordinata il numero di eventi la cui 
pioggia totale eccede o eguaglia il valore in ascissa. 
 

 
Figura B.22 – Curva di frequenza cumulata della poggia totale dei 152757 eventi. La curva ha sull’asse 
delle  ordinate  il  numero  di  eventi  con  pioggia  totale  maggiore  o  uguale  al  valore  sull’asse  delle 
ascisse. 
 
Nel seguito vengono studiati esclusivamente i 45534 eventi erosivi. Le caratteristiche 
di questi eventi sono di seguito riportate: (i) presentano valore medio di Pev pari a 23.5mm; 
(ii)  18033  hanno  valori  di  Pev  minori  di  12.7  mm  ma  comunque  superiori  a  6  mm  in 
mezz’ora; (iii) 27501 a Pev ≥ 12.7mm; (iv) presentano durate da 10minuti a 9 giorni, 7ore, 
10minuti; (v) possiedono una durata media di 906 minuti (15 ore e 6minuti); (vi) l’intensità 
massima in 30 minuti, I30, è variabile da valori trascurabili fino a 154.8 mm∙h‐1; (vii) il valore 
medio  di  I30  è  pari  a  11.6  mm∙h‐1.  Queste  caratteristiche  sono  meglio  sintetizzate  nelle 
curve di frequenza cumulata riportate nelle figure seguenti. 
 

B.37
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura  B.23  –  Curva  di  frequenza  cumulata  della  poggia  totale  dei  45534  eventi  erosivi.  La  curva  ha 
sull’asse delle ordinate il numero di eventi con altezza di pioggia maggiore o uguale al valore sull’asse 
delle ascisse. 
  

 
Figura B.24 – Curva di frequenza cumulata della intensità in 30 minuti (I30) dei 45534 eventi erosivi. La 
curva ha sull’asse delle ordinate il numero di eventi con intensità maggiore o uguale al valore sull’asse 
delle ascisse. 
 

 
Figura B.25 ‐ Curva di frequenza cumulata della durata dei 45534 eventi erosivi. La curva ha sull’asse 
delle ordinate il numero di eventi con durata maggiore o uguale al valore sull’asse delle ascisse. 

B.38
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
L’analisi  degli  eventi  è  stata  condotta  anche  al  fine  di  evidenziare  le  relazioni 
intercorrenti fra Pev e loro Dev, fra I30 e Dev e fra Pev e I30 (Figura B.26, B.27, B.28). Si può 
osservare  che,  al  crescere  di  Dev,  Pev  cresce  e  I30  decresce,  e  che,  al  crescere  di  Pev,  I30 
cresce; queste relazioni sono però caratterizzate da bassi coefficienti di correlazione. 
 

 
Figura B.26 – Relazione intercorrente tra Dev (in ascissa) e Pev (in ordinata)  
 

 
Figura B.27 – Relazione intercorrente tra Dev (in ascissa) e I30 (in ordinata) 

B.39
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.28 – Relazione intercorrente tra Pev (in ascissa) e I30 (in ordinata) 
 
Per quanto riguarda le possibilità di classificare gli eventi di pioggia ed i relativi SRP, 
una prima distinzione riguarda gli eventi erosivi con Pev ≥ 12.7mm da quelli con Pev < 12.7 
mm  ma  con  Pev  ≥  6.35  mm  in  30  minuti.  Questa  due  classi  di  eventi  sono  state 
rispettivamente  indicate  con  la  dicitura  “Eventi  High”  e  “Eventi  Low”.  Altre  distinzioni 
secondo vari parametri sono riportate in tabella: 
 
Tabella B.V – Parametri di distinzione e classificazione degli eventi 
Class  1  2  3 4  5  6  7 
Event  High  Low          
Dev (hours)  <1  ≥1 and <3  ≥3 and <6 
≥6 and <12  ≥12 and <24  ≥24   
Pev (mm)  <20  ≥20 and <30  ≥30 and <40 
≥40 and <60  ≥60 and <100  ≥100   
‐1
I30 (mm hour )  <5  ≥5 and <7  ≥7 and <10 
≥10 and <14  ≥14 and <20  ≥20 and <30  ≥30 
Quartiles  first  second  third 
fourth       
Nov‐Dec‐Jan‐ May‐Jun‐Jul‐
Period  Dec‐Jan‐Feb  Mar‐Apr‐May Jun‐Jul‐Aug  Sep‐Oct‐Nov   
Feb  Aug 
Elevation (m slm)  ≥0 and <300  ≥300 and <600 ≥600 and <900 ≥900 and <120 ≥1200     
 
Infine una ulteriore classificazione riguarda le 13 sottozone pluviometriche  in cui è 
suddiviso  il  territorio  calabrese  sulla  base  di  studi  mirati  alla  valutazione  delle  piene 
(Versace et al., 1989). 
Per  individuare  la  forma  del  profilo  è  stato  adottato,  oltre  a  quello  della  posizione 
del  picco  nei  quartili  e  sull’asse  orizzontale,  proposti  rispettivamente  da  Huff  (1967)  e 
Colosimo  et  al.  (1996),  un  diverso  criterio  basato  sul  confronto  fra  le  aree  A1,  A2,  A3,  A4 
sottese  dai  quattro  25%  di  durata  dell’SRP  esaminato  rispetto  a  quelle  corrispondenti 
sottese dall’USRP. Più precisamente un codice binario di 4 cifre viene determinato come di 
seguito:  
Definite  le  soglie  di  durata  0.250.500.751e  detta  k  la  generica 
soglia di posizione k con k=1,..,4, si definisce la generica area soglia A*k = (½k2) ‐ A*k‐1 dove 
A*0=0 . Detta Ak l’area sottesa dall’SRP valutata nella posizione k, ovvero 

B.40
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Ak   j kτ
τ y j 1  yj 
dτ ,              (B.17) 
k .1
2
con dτ  0.05 ,  
il  codice  binario  si  costruisce  tenendo  conto  della  relazione:  Sk  =  IF(Ak>  A*k;1;0),  dove  la 
funzione condizionale è definita come IF(condizione; true; false), ovvero il codice binario di 
forma BSC=S1S2S3S4. 
Il  codice  così  ottenuto  sintetizza  informazioni  diverse  e  di  più  immediato  utilizzo 
rispetto  a  quelle  fornite  dalla  distinzione  in  quartili  (Huff,  1967)  o  dal  computo  delle 
“crossing  properties”,  KeK,  secondo  Kottegoda  e  Kassim  (1991).    In  particolare,  pur  non 
essendo  il  metodo  proposto  basato  sulle  crossing  properties,  risultano  valide  le  seguenti 
corrispondenze: 
 0000 indica un (lagged) SRP di tipo 1a di KeK o C di Colosimo et al. 
 1111 indica un (advanced) SRP di tipo 1b di KeK o B di Colosimo et al. 
 0001, 0011, 0111 indicano SRP di tipo 2a di KeK o E di Colosimo et al. 
 1000, 1100, 1110 indicano SRP di tipo 2b di KeK o D di Colosimo et al. 
 0100, 0110, 0010 indicano SRP di tipo 3a di KeK 
 1011, 1001, 1101 indicano SRP di tipo 3b di KeK 
 0101 indica un SRP di tipo 4a di KeK 
 1010 indica un SRP di tipo 4b di KeK. 
 
Inoltre  vengono  valutate  le  aree  sottese  dall’SRP  in  esame  complessivamente  al  di 
sotto, A‐, ed al di sopra, A+, dell’URSP (Kottegoda e Kassim, 1991). 
La classificazione in quartili ci indica invece la posizione approssimativa del picco ma 
non fornisce informazioni circa la presenza di picchi secondari o sul posizionamento della 
maggiore quantità di pioggia. Ad esempio un BSC “0100” indica che la pioggia è più intensa 
nel  secondo  25%  di  durata  e  che  nei  rimanenti  tre  quarti  di  durata  l’intensità  è  minore 
rispetto  ad  una  distribuzione  uniforme  nel  tempo;  il  valore  di  A+  può  essere  quindi 
attribuito  a  questa  frazione  di  tempo  e  quello  di  A‐  alle  rimanenti  tre  frazioni.  Ulteriori 
informazioni  su  questo  aspetto  sono  fornite  dal  coefficiente  di  avanzamento  dell’evento 
dato dal rapporto fra il tempo tP in cui si verifica la pioggia di massima intensità e la Dev. 
Dopo la classificazione degli SRP secondo quanto previsto in Tabella B.V e secondo 
gli  altri  criteri  introdotti,  sono  stati  inoltre  considerati  gli  incroci  fra  le  classi  di  maggiore 
interesse  (ad  esempio  gli  SRP  con  maggiore  Pev  e  che  abbiano  contemporaneamente 
maggiore I30, Gli SRP di maggiore durata e che abbiano anche maggiore I30, ecc.).  
Diversi Autori (Huff, 1967; Huff e Angel, 1992) evidenziano la notevole similitudine 
degli  SRP  puntuali  e di  quelli  medi  su  aree  fino  ad  oltre  1000  Km2;  a  fronte  delle  ridotte 
estensioni dei bacini calabresi, per quanto riguarda la variabilità degli SRP nello spazio, in 
questo lavoro viene proposta l’analisi:  
‐ degli SRP che ricadono nelle sottozone pluviometriche proposte da Versace et al. 
(1989); 
‐ degli SRP in funzione della quota di ubicazione delle stazioni di misura; 

B.41
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

‐ di  alcuni  degli  eventi  di  pioggia  che  hanno  interessato  in  questi  ultimi  anni  il 
territorio regionale calabrese con maggiore severità. 
 
 
B4.3 – Applicazione al territorio regionale calabrese  
  
Una prima analisi ha riguardato gli SRP di tutti i 45.534 eventi separati a seconda se 
appartenenti alla classe “Eventi High” o “Eventi Low” (Figura B.29 a, b).  
 

 
Figura B.29 – a) Profili di pioggia (SRP) per i 27501 eventi con Pev ≥ 12.7 mm; b) Profili di pioggia (SRP) 
per i 18033 eventi con Pev < 12.7 mm ma con Pev>6.35 mm in 30 minuti. 
 
Il  confronto  dei  due  grafici  evidenzia  una  maggiore  variabilità  della  struttura  degli 
Eventi Low, che presentano Ar=0.41 rispetto ad Ar=0.36 di quelli High; inoltre l’SRP relativo 
al 50% è nel primo caso di tipo 0111, nel secondo caso 1111. 
Una seconda analisi riguarda gli SRP differenziati per classi di durata Dev. 
 
 

B.42
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.30 (a, b, c, d, e, f) – Profili di pioggia (SRP) relativi alle 6 classi di durata Dev considerate. 
 
Per quanto riguarda le durate, dal confronto (Figura B.30 a, b, c, d, e, f) è possibile 
osservare un incremento della variabilità della struttura della pioggia al crescere di Dev fino 
a  6  ore  e  quindi  al  progressivo  ridursi  di  questa  variabilità  quando  la  durata  eccede  le  6 
ore; in particolare il valore minimo è Ar=0.36 per Dev < 1 ora e quello massimo è Ar=0.58 
per Dev = 3‐6 ore. Inoltre la BSC degli SRP relativi al 50% è di tipo 0111 e di tipo 1111 per 
durate comprese fra 3 e 6 ore. 
Il  confronto  degli  SRP  relativo  alle  diverse  classi  di  Pev,  evidenzia  una  progressiva 
diminuzione della variabilità della struttura delle piogge al passare da Pev < 20 mm a Pev  > 
100  mm  (Figura  B.31  a,  b),  con  valore  minimo  Ar=0.38  per  Pev  >  100  mm  e  massimo 
Ar=0.50 per Pev < 20 mm; inoltre si osserva che il BSC relativo al 50% è 0111 per Pev < 20  
mm e di tipo 0011 per Pev  > 100 mm. 
 

B.43
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.31 – Profili di pioggia (SRP) relativi alla prima (a) ed all’ultima (b) classe di Pev considerate. 
 
L’analisi degli SRP relativi alle classi di I30 (Figura B.32 a, b) evidenzia che, al crescere 
di I30, la variabilità della struttura è crescente, con valore minimo Ar=0.34 per I30 < 5 mm∙h‐1 
e massimo Ar=0.63 per  I30 > 30 mm∙h‐1;  al crescere di I30 sia A‐ sia A+ sono crescenti. La BSC 
al frattile 50% è di tipo 0111.  
 

 
 
Figura B.32 – Profili di pioggia (SRP) relativi alla prima (a) ed all’ultima (b) classe di I30 considerate. 
 
Gli  SRP  relativi  alla  classificazione  in  quartili  (Figura  B.34a,  b,  c,  d),  secondo  Huff 
(1967), presentano una variabilità della struttura delle piogge più alta nel primo e quarto 
quartile (Ar=0.33) e più bassa nel secondo e terzo quartile (Ar=0.27). Come è ragionevole 
attendersi, la BSC relativa al 50% varia in tutte e quattro i casi, passando dal BSC 1111 del 
primo quartile, al BSC 0111 del secondo quartile, al BSC 0001 del terzo quartile e infine al 
BSC 0000 del quarto quartile. 
 
Tabella B.VI – Caratteristiche di Dev degli eventi per i quattro quartili 
  I quartile II quartile III quartile IV quartile 
Dev Media (min)  878 930 937 912 
Dev Dev. St. (min)  913 776 759 720 
Dev Min (min)  20 10 15 5
Dev Max (min)  14690 8540 7775 7350 
 
 In  Tabella  B.VI  sono  riportate  le  medie  di  Dev  degli  eventi  di  pioggia  per  i  quattro 
quartili; a tal proposito sono state osservate le poco significative differenze riportate nelle 

B.44
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

curve di frequenza elementare e cumulata di Figura B.33, al contrario di quanto riportato 
da  Huff(1967,  1990)  che  trovò  una  relazione  generale  tra  Dev  e  i  quartili:  (i)  il  quartile  IV 
con Dev > 24 h, (ii) il quartile III con Dev = 12‐24 h, (iii) il quartile II con  Dev = 6‐12 h, (iv) il 
quartile I con Dev < 6h. 
 

 
Figura B.33 – Confronto fra frequenze elementari e cumulate relative ai quattro quartili 
 

 
Figura B.34 (a, b, c, d) – Profili di pioggia relativi ai 4 quartili. 
 
Le  stagioni  mostrano  SRP  la  cui  variabilità  è  maggiore  per  i  mesi  luglio‐agosto‐
settembre  (Ar=0.59)  e  minore  per  gennaio‐febbraio‐marzo  (Ar=0.41)  ed  è  infine 

B.45
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

intermedia  per  ottobre‐novembre‐dicembre  (Ar=0.50)  e  aprile‐maggio‐giugno  (Ar=0.48) 


(Figura  B.35  a,  b,  c,  d);  la  BSC  dell’SRP  è  0111  per  i  periodi  gennaio‐febbraio‐marzo  e 
aprile‐maggio‐giugno;  di  tipo  1111  per  i  periodi  luglio‐agosto‐settembre  e  ottobre‐
novembe‐dicembre.  
 

 
Figura B.35 (a, b, c, d) – Profili di pioggia (SRP) per 4 classi di aggregazione mensili. 
 

 
Figura B.36 – Confronto tra i profili di pioggia (10%, 50% e 90%) relativi agli eventi registrati nei 4 mesi 
più piovosi e nei 4 meno piovosi. 
 
Per  quanto  riguarda  la  classificazione  delle  BSC,  è  possibile  osservare  che:  (i)  alle 
cinque  BSC  1100,  1001,  0100,  1101,  0101  compete  complessivamente  meno  dell’1.5% 
degli SRP; (ii) la percentuale sale a meno dell’ 8% aggiungendo gli SRP di BSC 0110, 1010, 

B.46
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

0001; (iii) solo 8 dei 16 tipi di forma si verificano con frequenze superiori al 2.5%; (iv) circa 
l’80%  degli  SRP  ricade  nelle  BSC  1111,  0000,  1110,  0011,  0111.  Maggiori  dettagli  sono 
riportati  nel  grafico  di  Figura  B.37;  in  particolare  la  maggiore  frequenza  (circa  il  38%) 
compete alla  BSC  1111  e  frequenza pressoché nulla  alla  BSC  0101;  ad  altre  4  BSC  (0000, 
1110, 0011, 0111) competono frequenze dal 12.4 all’8.4%. 
 

 
Figura B.37 – Numerosità delle forme (BSC) 
 
I  valori  medi  di  A+  e  A‐,  indicati  con  A+  e  A‐,    in  funzione  della  BSC  dei  profili,  è 
riportata  in  Figura  B.38,a,  per  valori  di  A+  decrescenti.  La  ovvia,  anche  se  non  diretta, 
relazione di proporzionalità fra A+ ed A‐ è meglio evidenziata dai rapporti A+/| A‐| e | A‐|/ 
A+ riportati in Figura B.38,b. 
Dal  grafico  di  Figura  B.38,b  può  essere  osservato  che  i  profili  di  BSC  1100  si 
comportano  in  modo  anomalo  in  quanto  a  rapporto  A+/|  A‐|,  infatti  presentano  valori 
inferiori a quelli dei profili con BSC 0001 e 0010; i profili con BSC 1100 quindi mostrano una 
A+ minore, rispetto a quella dei profili con BSC 0001 e 0010, anche se possiedono due tratti 
posti per la maggior parte al di sopra dell’USRP, invece di un solo tratto  dei profili con BSC 
0001 e 0010. E’ ancora possibile osservare che mentre per la BSC 1111 il rapporto A+/| A‐| 
assume  il  valore  155,  la  BSC  0000  (che  dovrebbe  essere  simmetrica)  assume  un  valore 
molto più basso pari a 4.7. 
Rispetto alla posizione del picco in funzione della forma dei profili, nel grafico viene 
mostrato  il  coefficiente  di  avanzamento  dell’evento  di  pioggia  con  le  relative  deviazioni 
standard  al  variare  della  BSC  dell’SRP;  i  valori  più  bassi  del  coefficiente  di  avanzamento 
dell’evento corrispondono ai picchi più avanzati e quindi alle BSC 1111, 1110,…. quelli più 
alti (ritardati) alle BSC 0000, 0100….. Queste osservazioni non sono ovvie per tutte le BSC, 
ad  esempio  la  BSC  0111  ha  mediamente  un  picco  più  avanzato  delle  BSC  1011,  1101.  È 
quindi importante considerare le informazioni fornite dagli SRP nel loro complesso. 
 

B.47
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.38 a, b – Valori medi di A+ e A‐ e loro rapporto 
 

 
Figura B.39 – Coefficiente di avanzamento e relativa deviazione standard al variare della BSC dell’SRP. 

B.48
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
I  quartili  di  Huff  si  distribuiscono  nelle  BSC  qui  introdotti  per  come  riportato  nella 
seguente  figura;  se  è  possibile  osservare  che  quasi  la  totalità  degli  eventi  del  primo 
quartile ricadono nelle BSC 1111 e 1110, risulta peraltro evidente che il quarto quartile si 
distribuisce  nelle  BSC  0000  ma  in  percentuale  significativa  anche  nella  BSC  1110;  questo 
significa che, a fronte di un picco ritardato (posto nel quarto quartile), i circa mille eventi in 
questione (IV quartile e forma 1110) presentano una alta quantità di pioggia negli altri tre 
quartili. 
 

 
Figura B.40 – Distribuzione dei profili nelle varie forme 
 
La  relazione  fra  durate  degli  eventi  e  BSC  degli  SRP  è  riportata  in  Figura  B.41  ed 
evidenzia che la maggiore variabilità di durate compete alla forma 1110. 
 

B.49
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.41 – Relazione fra durata degli eventi e BSD dei profili di pioggia (SRP) 
 

 
Figura B.42 – Variazione di A+ e A‐ con la durata (min) 
 

 
Figura B.43 – Variazione di A+ e A‐ con la durata (min) per le forme 1111 e 0000 

B.50
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura A44 – Variazione di A+ e A‐ con Pev 
 

 
Figura B.45 – Variazione di A+ e A‐ con Pev per le forme 1111 e 0000 
 
 
B4.4 – Variabilità nello spazio 
 
Al  crescere  delle  quote  sul  livello  del  mare  (Figura  B.46  a,b),  si  osserva  una  lieve 
diminuzione della variabilità della struttura delle piogge, infatti Ar passa da 0.104 a 0.115 
per quote 1200‐1500m e < 300m rispettivamente; la BSC relativa al 50% è in tutti i casi di 
tipo 0111. 
 

B.51
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.46 – Profili di pioggia (SRP) per la prima (a) e l’ultima (b) classe di quota considerate. 
 
Gli  SRP  per  le  diverse  sottozone  pluviometriche  in  cui  è  stata  suddivisa  la  Calabria 
(Versace et al., 1989) non mostrano significative variazioni in quanto ad Ar, che varia da un 
minimo di 0.42 della sottozona C2 ad un massimo di 0.50 per la sottozona I2. Le BSC del 
frattile 50 sono di tipo 0111 per le sottozone C1, C2, C3, C4, C5, I1, I2, I3, T1, T4, sono di 
tipo 1111 per le sottozone T2 e T3 ed infine sono di tipo 0011 per la sottozona I4. A titolo di 
esempio sono riportati gli SRP delle sottozone C2, I2, T2 ed I4 (Figure B.47, B.48, B.49). 
 

 
Figura B.47 – Profili di pioggia (SRP) relativi agli eventi verificatisi nelle sottozone T1, T2, T3, T4. 
 

B.52
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

 
Figura B.48 – Profili di pioggia (SRP) relativi agli eventi verificatisi nelle sottozone C1, C2, C3, C4, C5. 
 

 
Figura B.49 – Profili di pioggia (SRP) relativi agli eventi verificatisi nelle sottozone I1,I2, I3, I4. 

B.53
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B5  ‐  Analisi  regionale  di  frequenza  di  PDS  (Partial  Duration  Series)  per  la 
costruzione delle curve intensità‐durata. 
ANTONELLA BODINI, CARLA BRAMBILLA, BRUNO BETRÒ 
 
B5.1 – Introduzione 
 
I  dati  a  disposizione  si  riferiscono  a  148  stazioni  in  Calabria  e  consistono  di  anni 
completi di eventi erosivi e delle loro intensità a diverse durate prefissate (5, 10, 15, 20, 30 
e 60 minuti), oltre alla pioggia totale dell’evento. 
Gli  eventi  sono  stati  definiti  come  fenomeni  intervallati  da  almeno  6  ore  di  tempo 
asciutto  e  con  piovosità  totale  superiore  a  11.7  mm  o  pari  ad  almeno  6.35  mm  in  15 
minuti. L’intensità massima alla durata prefissata d è espressa in mm/h ed è definita dal 
valore massimo registrato in un intervallo di tempo di lunghezza d, x 60 / d. 
Delle 148 stazioni ne sono state selezionate 23 stazioni, indicate in Tabella B.VII, con 
almeno 10 anni di dati. Il controllo sui dati è stato svolto sulle diverse durate da analizzare 
ed anche sui dati relativi alla pioggia totale per evento. Va segnalato che in nessun caso gli 
anni analizzati sono totalmente consecutivi. 
 
Tabella B.VII – Stazioni con almeno 10 anni completi di dati 
Stazione  Stazione  Area omogenea Zonazione Periodo di  N. anni
(nome)  (codice)  di appartenenza1  Versace  osservazione  completi 
San Pietro in Guarano 1030  CENTRO T2 1991‐2003  12 
Camigliatello M.te Curcio  1092  ‐‐ C1 1993‐2004  11 
Tarsia  1140  CENTRO ‐ IONIO C1 1993‐2003  10 
Castrovillari  1180  CENTRO C1 1991‐2004  10 
San Sosti  1230  CENTRO C1 1991‐2004  11 
Catanzaro  1850  CENTRO C4 1991‐2004  10 
Palermiti  1940  IONIO I3 1991‐2005  13 
Serra San Bruno  1980  CENTRO C5 1992‐2005  11 
Mongiana  2086  ‐‐ C5 1993‐2005  10 
Fabrizia  2090  CENTRO C5 1993‐2005  11 
Caulonia  2120  IONIO I3 1991‐2003  10 
Croceferrata  2150  CENTRO ‐ IONIO C5 1993‐2005  12 
Canolo Nuovo  2180  ‐‐ I3 1991‐2005  12 
Ardore Superiore  2210  IONIO I3 1993‐2007  11 
Staiti  2290  IONIO I3 1994‐2004  10 
Capo Spartivento  2310  IONIO I3 1991‐2007  12 
Scilla  2510  ‐‐ T4 1992‐2003  11 
Cittanova  2600  CENTRO C5 1991‐2003  13 
Feroleto della Chiesa 2690  TIRRENO C5 1993‐2004  12 
Mileto  2730  ‐‐ C5 1992‐2005  10 
Tiriolo  2890  CENTRO ‐ IONIO C4 1993‐2005  12 
Nicasto Bella  2940  TIRRENO T3 1993‐2005  12 
Lagonegro  3210  CENTRO ‐‐ 1992‐2004  10 

La classificazione si riferisce all’analisi di frequenza regionale precedentemente effettuata su FF. 
 
In  Tabella  B.VII  è  anche  riportata  l’appartenenza  della  stazione  a  uno  dei  quattro 
gruppi omogenei (Tirreno, Ionio, Centro e Centro‐Ionio) utilizzati nell’analisi di frequenza 
regionale  effettuata  per  l’indice  di  erosività  FF  introdotto  da  Aronica  e  Ferro  (1997)  e  la 

B.54
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

classificazione secondo Versace et al. (1989). La localizzazione delle stazioni è mostrata in 
Figura B.50. 
 

4.4 ´ 10 6

4.3 ´ 10 6

1500
1000
5000

2.6 ´ 10 6

2.65 ´ 10 6

4.2 ´ 10 6
7 ´ 10 6
2.7
2
 
Figura B.50 ‐ Rappresentazione delle 23 stazioni esaminate per l’analisi PDS rispetto alle stazioni usate 
per l’analisi di frequenza regionale di FF. I colori denotano i gruppi omogenei di appartenenza (rosso = 
Ionio;  verde  =  Centro‐Ionio;  blu  =  Centro;  ocra  =  Tirreno),  mentre  le  stazioni  indicate  in  nero  sono 
stazioni precedentemente non classificate.   
 
L’analisi  condotta  coniuga  due  metodi  per  l’analisi  di  eventi  estremi:  l’uso  della 
distribuzione di Pareto generalizzata e l’analisi regionale di frequenza.  
La  distribuzione  di  Pareto  generalizzata  (GP,  generalized  Pareto)  è  teoricamente 
derivabile  dalla  distribuzione  dei  valori  estremi  generalizzata  (GEV,  generalized  extreme 
value) ben nota in ambito idraulico (si veda Coles, 2001). Se la distribuzione GEV modella i 
valori di piovosità massima annua, la distribuzione GP modella i dati giornalieri oltre una 
soglia sufficientemente alta o, più precisamente, modella le eccedenze oltre tale soglia (si 
veda il paragrafo B5.1.1). Lo scopo finale di queste modellazioni è, normalmente, il calcolo 
del  tempi  di  ritorno  di  un  certo  evento  (cioè,  del  tempo  medio  di  attesa  del  ripetersi  di 
quell’evento) o del livello di ritorno ad un intervallo di tempo prefissato T (cioè dell’evento 
estremo che ci si attende si ripeterà entro T anni). La modellazione tramite la distribuzione 
GP,  in  particolare,  permette  di  ottenere  stime  più  precise  dei  livelli  di  ritorno  a  tempi 
prefissati rispetto ad un’analisi GEV, perché permette di usare un maggior numero di dati. 
L’analisi  delle  cosiddette  partial  duration  series  (PDS)  utilizza  la  distribuzione  GPD  per 
modellare  eventi  erosivi  ad  una  scala  temporale  più  di  dettaglio  di  quella  giornaliera,  la 
scala di evento, nell’ipotesi che l’occorrenza di eventi erosivi segua un processo di Poisson 
omogeneo con intensità (numero medio di eventi all’anno) costante, .  
L’analisi  regionale  di  frequenza,  contrapposta  all’analisi  sito  per  sito  (at  site) 
supplisce  alla  mancanza  di  dati  tipica  degli  eventi  rari  utilizzando  dati  non  da  un  singolo 
sito, ma da tutti i siti da una regione giudicata omogenea. I dati provenienti dai diversi siti 
della  regione  vengono,  quindi,  considerati  come  realizzazioni  di  un  unico  processo 
comune.  I  dati  vengono  tutti  utilizzati  per  ottenere  la  stima  di  una  distribuzione  di 

B.55
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

probabilità  ad  essi  comune,  ma,  per  tener  conto  dell’incertezza  diversa  associata  alla 
diversa lunghezza dei record dei dati per sito, i valori medi regionali sono ottenuti, per una 
grandezza  qualunque,  dalle  medie  pesate  dei  corrispondenti  valori  per  sito.  I  pesi  sono, 
appunto,  proporzionali  al  numero  di  dati  per  sito.  A  titolo  esemplificativo,  la  media 
regionale dell’intensità massima a 5 minuti è ottenuta come 
 { ni I(5; i) , i = 1, … , N} / n ,        (B.18) 
ove N è il numero di siti che formano la regione omogenea, ni il numero di dati al sito i‐mo, 
n il numero totale di dati (i ni) e I(5; i) l’intensità massima a 5 minuti, media per il sito i‐
mo. Analogamente, se   è un parametro della distribuzione da stimare, e i è la stima del 
parametro dai dati del solo sito i‐mo, la stima regionale di  è  
(R) = { ni i, i = 1, … , N } / n .        (B.19) 
L’unione  delle  due  tecniche  permette,  quindi,  di  analizzare  eventi  piuttosto  rari 
(valori  di  intensità  di  pioggia  elevati)  migliorando  la  precisione  delle  stime  dei  livelli  di 
ritorno grazie all’aumento del numero di dati considerati, sia alla scala temporale (grazie 
all’utilizzo della distribuzione GP), sia alla scala spaziale (grazie all’approccio regionale). 
L’analisi condotta è stata così articolata, per ciascuna durata d: 
a) selezione della soglia u0 per la definizione delle eccedenze; 
b) test di omogeneità delle 23 stazioni esaminate ed eventuale determinazione di 
sotto‐regioni omogenee; 
c) stima  della  distribuzione  regionale  di  frequenza  di  tipo  GP  delle  eccedenze  e 
verifica delle bontà dell’adattamento del modello stimato ai dati; 
d) calcolo  dei  livelli  di  ritorno  ad  alcuni  tempi  prefissati  rilevanti  ai  fini  della 
prevenzione dal dissesto. 
L’analisi  di  frequenza  regionale  segue  l’approccio  proposto  da  Hosking  e  Wallis 
(1993; 1997) e sostanzialmente adottato da Madsen et al. (2002). Si tratta, quindi, di una 
stima secondo il metodo dei momenti ove, però, non vengono utilizzati gli usuali momenti 
(media,  varianza,  ecc.),  ma  gli  L‐momenti  introdotti  da  Hosking  (1990),  che  sono 
computazionalmente  semplici  da  determinare  e  producono  stime  dei  quantili  di  una 
distribuzione  che  sono  robuste  ed  accurate.  Gli  L‐momenti  individuano  univocamente  la 
distribuzione di probabilità, purché questa abbia media.  
Si rimanda al paragrafo B5.1.2 per una più dettagliata esposizione dei metodi, ma è 
qui brevemente riassunta la terminologia e le notazioni in modo da rendere comprensibile 
l’esposizione  dei  risultati.  Per  ciascuna  regione  sono  stati  calcolati  gli  L‐momenti 
campionari  ed  i  corrispondenti  L‐momenti  medi  regionali  dai  dati  di  eccedenza  oltre  la 
soglia  u0.  In  un  approccio  di  tipo  index‐flood  (Dalrymple  1960),  la  distribuzione  di  Pareto 
generalizzata  con funzione dei quantili: 
z(p) = α {1‐(1‐p)k} / k        per k  0 
                                     (B.20)   
z(p) = ‐α log (1‐p)              per k = 0 
è univocamente determinata dal coefficiente di L‐variazione, , in quanto i suoi parametri 
incogniti  possono  essere  espressi  come:  k  =  (1/)  –  2  ;  α  =  (1+k)=  (1/)  –  1.  Per  k  >  0,  la 
distribuzione  è  ben  definita  per  valori  inferiori  ad  α/k,  cioè  le  eccedenze  sono  limitate 
superiormente.  Questo  permette  una  significativa  interpretazione  del  parametro  in 
termini di piovosità, che verrà utilizzata nel seguito (Sezione 2.1). La funzione dei quantili 
stimata  è  nota  come  regional  growth  curve.  Stimando  l’intensità  del  processo  di  Poisson 

B.56
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

omogeneo  che  è  supposto  guidare  l’occorrenza  delle  eccedenze  con  il  numero  medio 
regionale di eventi sopra soglia per anno,  , si ha che il livello (medio) di ritorno nel sito i‐
mo dopo T anni è calcolabile come 
u0 + i z(1‐(T)‐1)                                    (B.21)  
ove  i  è  la  media  delle  eccedenze  nel  sito  i‐mo  (la  grandezza  indice)  e  u0  la  soglia 
prefissata. 
Per verificare la bontà del modello ottenuto è stata adottata la misura proposta da 
Madsen  et  al.  (2002)  come  modifica  al  test  di  Hosking  e  Wallis  (si  veda Hosking  e  Wallis 
1997) per tener conto del numero inferiore di parametri utilizzati: 
G3 = 3‐1 (3(R) ‐ 3DIST ).                (B.22)   
La  statistica  test  G3  confronta  il  valore  regionale  ottenuto  dal  campione  per  3  (L‐
skewness) con il valore teorico corrispondente alla distribuzione Generalized Pareto, e la 
deviazione standard di 3, 3,  è ottenuto tramite simulazione Monte Carlo (generazione di 
500 regioni omogenee dalla distribuzione kappa a 4 parametri con L‐momenti coincidenti 
con  quelli  regionali  campionari)  e  prendendo  la  deviazione  standard  dei  valori  regionali 
simulati di 3.  Se confrontato coi quantili di una normale standard  risulta ‐1.96 < G3 < 1.96 
si ha il buon adattamento ai dati del modello ottenuto. 
Nel seguito sono riportati i risultati ottenuti con la procedura a)‐d), divisi per durata.

B5.1.1 – Alcune considerazioni sulla scelta delle distribuzione GP 

Gli argomenti esposti in questo paragrafo giustificano l’adozione della distribuzione 
GP nell’analisi di frequenza regionale condotta (Coles, 2001). 
La  teoria  degli  eventi  estremi  analizza  il  comportamento  statistico  del  valore 
massimo  osservato  in  un  dato  periodo  temporale  (anno,  stagione,  mese  …)  durante  il 
quale  il  fenomeno  osservato  è  misurato  ad  intervalli  di  tempo  regolari  (p.  es.,  alla  scala 
giornaliera). In formula, essa si concentra sulla distribuzione di: 
Mn = max {X1, … , Xn }.                (B.23)   
Per  n  sufficientemente  grande,  la  distribuzione  di  Mn    può  essere  approssimata  da 
una  distribuzione  nella  famiglia  delle  distribuzioni  generalizzate  di  evento  estremo 
(Generalized Extreme Value distributions, indicate semplicemente come distribuzioni GEV): 
 Pr(Mn ≤ z) = exp {‐[ 1+(z‐)/ ]‐1/}                                                    (B.24)   
che è definita per ogni z tale che 1+(z‐)/  > 0, per qualunque valore di  e di  e 
per valori positivi di . È ben noto che il parametro di forma (shape)  in (B.24) individua il 
tipo  di  distribuzione:  Fréchet  per    >  0,  Weibull  per    <  0.  Il  caso    =  0  è  ottenuto 
considerando il limite per   0 in (B.24), che porta alla distribuzione di Gumbel, ben nota 
in idrologia. 
Questo risultato teorico permette di affrontare la modellazione degli eventi estremi 
di una serie temporale di dati raggruppandoli in m blocchi di lunghezza  n sufficientemente 
elevata, calcolando per ogni blocco il valore massimo e adattando una distribuzione GEV ai 
valori Mn,1, …,Mn,m così ottenuti.  La situazione più nota è senz’altro quella in cui la serie 
temporale è quella della pioggia misurata alla scala giornaliera (Xi), i giorni sono divisi per 
anno ed i valori osservati sono i massimi annui.  

B.57
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Il  valore  zp  tale  che  Pr(Mn  ≤  zp)=1‐p,  (0<p<1)  è  detto  livello  di  ritorno  associato  al 
periodo  di  ritorno  1/p:  in  altre  parole,  è  il  valore  che  ci  si  aspetta  di  veder  superare  in 
media una volta ogni 1/p anni. Più precisamente, il massimo annuo può superare il valore 
zp  con probabilità p.  Da (B.23) si ha che           

  
 
z p  μ  σ 1   log1  p  ξ / ξ ξ 0
(B.25)   
z p  μ  σ log log1  p  ξ 0        
È stato dimostrato  che se la distribuzione GEV è una buona approssimazione per la 
distribuzione del massimo annuo, allora la distribuzione di Pareto generalizzata (GP) è una 
buona  approssimazione  della  distribuzione  delle  eccedenze  giornaliere  oltre  una  certa 
soglia, quando sia noto che la soglia è effettivamente stata superata. Cioè, per una soglia u 
abbastanza elevata, se vale (B.24) allora  
           Pr( X ‐ u ≤ y|  X > u ) = 1 – (1+ y / * ) ‐1/                                     (B.26)   
ove   =    +    (u‐),  ,    e    conservano  lo  stesso  significato  che  in  (B.24)  e  la 

distribuzione, nota come di Pareto generalizzata appunto, è ben definita per ogni valore y 
tale  che  1+  y  /  *  >  0.    La  dualità  tra  GEV  e  GP  fa  sì  che  il  parametro  di  forma    sia 
determinante nel descrivere il comportamento qualitativo degli estremi. In particolare, se 
 < 0, la distribuzione GP è limitata superiormente. Prendendo il limite per   0 in (B.3), 
si  ricava  la  distribuzione  esponenziale  con  parametro  1/*.  Da  (B.26)  otteniamo 
immediatamente che, per x > u si ha 
Pr( X  > x |  X > u ) =  [1+ (x‐u) / * ] ‐1/                                    (B.27)   
e quindi, posto ζu = Pr(X > u) 
Pr( X  > x ) =  ζu [1+ (x‐u) / * ] ‐1/                                    (B.28)   
da cui si ottiene che il livello xm superato in media una volta ogni m osservazioni è  
               xm = u +  [(m ζu) ‐ 1] /                                      (B.29)   
purchè m sia abbastanza grande da garantire  xm  > u.  Nel caso  = 0 si ha xm  = u +  log(m 
ζu). Per passare ai livelli di ritorno espressi per tempi di ritorno annuali basta sostituire in 
(B.29) ad m il valore Tny ove T è il numero di anni ed ny è il numero di osservazioni per ogni 
anno (365 tipicamente, o meno se per anno si intende in realtà una stagione). I parametri 
 () e   possono essere stimati col metodo della massima verosimiglianza, mentre una 
stima naturale di ζu è la proporzione di dati che superano la soglia u. 

B5.1.2 – Scopi e metodi dell’analisi di frequenza regionale
 
Gli  argomenti  esposti  in  questa  Appendice  illustrano  brevemente  gli  scopi  ed  i 
metodi dell’analisi di frequenza regionale e sono basati essenzialmente su Hosking e Wallis 
(1997) e su Madsen et al. (2002). 
Per  “analisi  di  frequenza”  si  intende  usualmente  la  stima  di  quanto  spesso  un 
evento, tipicamente un evento estremo, possa verificarsi in una certa località. L’analisi di 
frequenza regionale basa la stima sull’utilizzo di dati che rappresentano osservazioni delle 
variabile  di  interesse  (qui,  l’intensità  massima  ad  una  durata  prefissata,  o  la  piovosità 
totale per evento) raccolte in siti diversi all’interno di una regione omogenea.  Indichiamo 
con Q la quantità di interesse, Q > 0, e con F(x) la probabilità che Q non superi il valore x 
(probabilità  di  non  eccedenza),  cioè  F(x)=Pr(Q  ≤  x).  Supposto  che  Q  sia  misurata  ad 

B.58
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

intervalli di tempo regolari (giorni o anni, per esempio), il quantile zT con periodo di ritorno 
T (in unità di tempo) è un evento che ha probabilità 1/T di essere superato, cioè un evento 
atteso in media una volta ogni T unità di tempo. Sotto ipotesi di regolarità per la funzione 
F, si ha 
zT = F‐1(1‐T‐1).                  (B.30)   
La  stima  di  zT,  in  una  data  località,  per  elevati  valori  di  T  è  spesso  resa  difficoltosa 
dall’insufficienza dei dati (periodo di osservazioni inferiore a quanto sarebbe necessario): 
obiettivo dell’analisi di frequenza regionale è trovare buone stime di zT  anche in presenza 
di  un  numero  non  adeguato  di  dati,  aumentando  questi  ultimi  coi  dati  da  siti  che  si 
suppone abbiano delle distribuzioni di frequenza simili a quella della località designata. In 
un approccio di tipo index‐flood, se una regione è omogenea, le distribuzioni di frequenza 
nei  siti  differiscono  l’una  dall’altra  solo  per  un  fattore  di  scala  (detto,  appunto,  valore 
indice o index‐flood), in simboli: 
Qi = i Q                   (B.31)   
ove Qi indica l’osservazione nel sito i‐mo. Si ha allora che 
Fi(x) =  Pr(Qi ≤ x) = Pr(Q ≤ x/i) = F(x/i)            (B.32)   
e, quindi, per la funzione dei quantili al sito i‐mo si ha 
Fi‐1(p) = i  F‐1(p)                  (B.33)   
e, in particolare,  
Fi‐1(1‐T‐1) = i   F‐1(1‐T‐1)                (B.34)  
In  altre  parole,  i  quantili  con  tempo  di  ritorno  T  al  sito  i‐mo  si  calcolano  a  partire 
dalla  curva  di  crescita  regionale  F‐1  (o  funzione  quantile  adimensionale)  tramite 
moltiplicazione per il valore indice i. Usualmente i è stimato con la media dei dati al sito 
i‐mo. 
Il problema, quindi, si risolve una volta che venga stimata la funzione F, la quale è 
generalmente assunta nota a meno di un certo numero di parametri incogniti. Nell’analisi 
qui presentata la variabile osservata è il superamento di una certa soglia, variabile che si è 
supposta  avere  distribuzione  di  Pareto  generalizzata.  Cunnane  (1988)  ha  confrontato 
diversi  metodi  di  stima  ed  ha  stabilito  come  migliore  quello  basato  sui  momenti  di 
probabilità pesati (probability weigthed moments, PWM).  In questa analisi si è seguito un 
metodo  di  stima  basato  sugli  L‐momenti,  che  sono  derivati  dai  PWM.  Poiché  una 
distribuzione  che  ammette  media  è  univocamente  determinata  dai  suoi  L‐momenti,  il 
metodo  di  stima  consiste  nell’uguagliare  gli  L‐momenti  teorici  di  una  distribuzione  GP  a 
quelli campionari, ricavati dai dati. Così, se   è uno degli L‐momenti incogniti, e i è la sua 
stima dai dati del solo sito i‐mo, la stima regionale di  è  
(R) = { ni i, i = 1, … , N} / n              (B.35)   
ove N è il numero di siti che formano la regione omogenea, ni il numero di dati al sito i‐mo, 
n il numero totale di dati (i ni).  
Nel caso della distribuzione GP, con funzione dei quantili 
            z(p) = α {1‐(1‐p)k} / k   per k  0 
                                    (B.36)   
            z(p) = ‐α log (1‐p)        per k = 0

B.59
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

la  conoscenza  del  coefficiente di  L‐variazione, ,  basta  ad  individuare  i  parametri  k 


ed α, poiché questi si esprimono come:  
 k = (1/) – 2 ;  α = (1+k)= (1/) – 1.                                     (B.37)   
Per il calcolo del valore campionario di   (dai valori delle eccedenze) si rimanda ad 
Hosking  e  Wallis  (1997).  Nella  Tabella  B.VIII  sono  riportati  i  valori  indice  per  ciascuna 
stazione, durata e per la pioggia totale degli eventi. 
 
Tabella  B.VIII  –  Valori  dell’index  flood  (valor  medio  dei  dati  considerati  in  ciascuna  stazione)  per  i 
diversi insiemi di dati analizzati (eccedenze).  
Stazione  5 min  10 min  15 min  20 min  30 min  60 min  P tot 
1030  20.4  22.0  16.0  17.7  8.9  5.5  5.5 
1092  20.4  15.6  14.3  10.7  7.3  8.1  27.6 
1140  23.6  21.2  16.9  19.0  16.7  14.2  20.2 
1180  17.8  17.5  13.3  13.5  4.6  8.7  42.0 
1230  18.2  17.3  13.4  15.3  17.5  7.7  37.2 
1850  25.2  24.0  18.5  21.8  20.4  11.0  23.8 
1940  28.4  22.6  19.1  18.2  16.3  11.9  39.2 
1980  21.4  18.8  16.9  14.0  12.4  8.7  52.6 
2086  26.6  26.7  20.2  22.4  19.6  10.4  57.0 
2090  26.8  26.8  18.1  20.7  19.9  11.5  45.7 
2120  29.2  27.6  21.5  20.8  15.0  11.9  49.9 
2150  28.5  23.7  19.6  20.5  20.7  11.2  70.6 
2180  26.8  24.5  18.9  19.2  12.9  7.9  41.0 
2210  23.6  21.0  19.7  22.7  21.7  18.0  61.1 
2290  30.8  25.8  21.4  20.1  16.5  12.6  36.7 
2310  17.8  19.5  17.2  18.4  16.4  12.2  36.0 
2510  18.2  19.0  17.3  15.5  22.4  12.9  12.9 
2600  25.2  15.8  12.9  12.1  8.0  5.2  35.1 
2690  28.4  17.4  14.8  14.6  16.9  12.3  27.7 
2730  24.7  21.3  15.9  17.3  14.2  10.4  7.2 
2890  26.3  25.8  22.3  26.2  24.4  17.6  40.5 
2940  21.4  18.22  17.1  13.6  9.5  5.4  19.4 
3210  26.6  19.5  15.1  16.2  16.1  7.8  29.3 
 
Tabella  B.IX  –  Tabella  riassuntiva  delle  stime  per  i  parametri  incogniti  in  (B.36)  per  le  intensità  alle 
diverse durate e per la pioggia totale (l’apice (R) è stato omesso per semplicità). 
Durata  soglia   k  α 
5 minuti – SR1  35 mm/h 8.6 ‐0.146 0.854
5 minuti – SR2  35 mm/h 9.6 0.045 1.045
10 minuti  35 mm/h 5.7 ‐0.025 0.975
15 minuti  25 mm/h 7.5 ‐0.092 0.908
20 minuti  35 mm/h 2.8 0.001 1.001
30 minuti  35 mm/h 1.7 0.05 1.05
60 minuti  20 mm/h 2.5 ‐0.111 0.889
Pev  60 mm 4.1 ‐0.094 0.906
 

B.60
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Nella  Tabella  B.IX,  invece,  sono  riportati,  assieme  alle  soglie  usate  per  definire  le 
eccedenze, i parametri regionali stimati secondo le relazioni (B.37), e applicando (B.35). 
La Tabella B.IX riporta anche il valore stimato per il parametro . Infatti, nell’analisi 
PDS  gli  eventi  che  vengono  esaminati  sono  eventi  di  piovosità  ben  definiti  (si  veda 
l’Introduzione), la cui cadenza non è regolare. Supposto di misurare il tempo in anni, come 
di solito, per il susseguirsi nel tempo degli eventi di piovosità oltre la soglia prefissata si fa 
l’ipotesi che il fenomeno formi un processo di Poisson. Si suppone, cioè, che il numero di 
eventi (superamenti della soglia) al tempo t segua una distribuzione di Poisson di media t, 
ove    rappresenta  il  numero  medio  di  eventi  per  anno;  che  l’intervallo  di  tempo  che 
trascorre  tra  due  eventi  (intertempo)  abbia  distribuzione  esponenziale  con  media  1/  e 
che  gli  intertempi  siano  tra  loro  indipendenti.  Sotto  queste  ipotesi,  il  livello    che  viene 
superato in media una volta ogni T anni si ottiene ancora dalla curva di crescita regionale 
ma calcolata nel valore 1/(T)‐1: 
Fi‐1(1‐(T)‐1) = i   F‐1(1‐(T)‐1)              (B.38)   
Ricordando, infine, che Fi è la distribuzione delle eccedenze rispetto alla soglia u0, il 
livello    che  viene  superato  in  media  una  volta  ogni  T  anni  nella  stazione  i‐ma  si  ottiene 
come: 
u0 + i   F‐1(1‐(T)‐1).                (B.39)   
I valori calcolati nelle Tabelle B.XIII, B.XV, B.XVII, B.XIX, B.XXI, B.XXIII, B.XXV sono stati 
ottenuti  a  partire  da  (B.39)  per  i  valori  di  soglia  u0  e  le  stime  dei  parametri  indicati  in 
Tabella B.IX, e per i valori indice indicati in Tabella B.VIII.  
La discordanza delle stazioni, l’omogeneità della regione (o di una sotto‐regione) e la 
bontà del modello stimato sono tutte proprietà verificate attraverso test sugli L‐momenti 
campionari.  La  discordanza  di  una  stazione  viene  verificata  sulla  base  dello  scostamento 
degli L‐momenti calcolati nella stazione rispetto alla media (aritmetica)  degli L‐Momenti 
calcolati  nella  regione.  L’omogeneità  viene  verificata  simulando  un  elevato  numero  di 
regioni  con  le  stesse  caratteristiche  di  quella  analizzata:  generando  cioè  dati  da  N  siti, 
ciascuno avente ni dati, ove N è il numero di siti nella regione reale e ni è il numero di dati 
del  sito  reale  i‐mo.  In  particolare,  la  statistica  H  usata  nell’esposizione  dei  risultati  come 
riferimento principale, si ottiene come  H=(V‐ V)/V  ove V è la deviazione standard del 
coefficiente di L‐variazione regionale (campionario)  (R)  
[ { ni ( (i)  ‐  (R))2 ;  i = 1, … , N} / n] ½            (B.40)   
e  V,  V  sono,  rispettivamente,  la  media    e  la  varianza  dei  coefficienti  di  L‐variazione  (i)   
ricavati dalle simulazioni della regione. Le notazioni sono le stesse di (B.35). La simulazione 
è  ottenuta  campionando  da  una  distribuzione  kappa  a  4  parametri  con  L‐momenti 
coincidenti con quelli regionali campionari. Hosking e Wallis suggeriscono di considerare la 
regione  accettabilmente  omogenea  se  H  <  1,  eventualmente  eterogenea  se  1  ≤  H  <  2  e 
definitivamente eterogenea se H  2. Le statistiche H2  e H3 sono simili ad H ma includono 
anche il momento di L‐skewness e quello di L‐kurtosis. 

B.61
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B5.2 – Risultati 
 
Uno  dei  problemi  principali  nell’analisi    di  frequenza  regionale  di  PDS  è  la 
determinazione della soglia, usualmente assunta costante alla scala regionale. Le proposte 
a noi note dalla letteratura si sono rivelate inadeguate. Visto il numero basso di stazioni a 
disposizione,  è  stata  allora  effettuata  un’analisi  preliminare  sito  per  sito  (at  site)  delle 
intensità massime alla durata di 5 minuti (durata per cui è disponibile il maggior numero di 
dati). Sito per sito, la soglia è stata fissata sulla base dell’ispezione visiva del  mean excess 
plot  (o  mean  residual  life  plot;  si  veda  Coles  2001)  e,  quindi,  è  stata  adottata  una  soglia 
iniziale di 35 mm/h, corrispondente al valore più elevato tra quelli individuati, sulla base  
del  fatto  che  se  le  eccedenze  oltre  una  data  soglia  u0  sono  ben  modellate  da  una 
distribuzione di Pareto generalizzata lo sono anche le eccedenze oltre ogni soglia u* con 
u*    >  u0  (si  veda  Coles  2001).  La  Tabella  B.X  riporta  i  risultati  dell’analisi  at  site.  I  calcoli 
sono stati svolti col package POT del software libero R  (Ribatet, 2009). 
Le  stazioni  a  sfondo  grigio  sono  quelle  in  cui  i  metodi  di  stima  danno  risultati 
sostanzialmente diversi. In tutti i casi, il grafico dei livelli di ritorno con i relativi intervalli di 
confidenza  indica  un  adeguato  adattamento  del  modello  stimato  (col  metodo  della 
massima verosimiglianza) ai dati. 
La  soglia  di  35  mm/h,  pertanto,  è  stata  considerata  come  punto  di  partenza  per 
ognuna  delle  durate  d  analizzate  in  questo  lavoro.  Poiché  queste  vanno  a  crescere,  nel 
caso  di  perdita  di  omogeneità  per  le  durate  superiori  si  è  preferito  procedere  dapprima 
abbassando la soglia e poi, eventualmente, considerando possibili sotto‐regioni.  
 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

B.62
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.X – Risultati dell’analisi at site: I parametri di forma (shape, sopra) e quello di scala (sotto, si 
veda  il  paragrafo  B5.1.1) sono  stimati    con  i  diversi  metodi  indicati  dalla  letteratura.    MLE:  stima  di 
massima  verosimiglianza;  MOM:  stima  col  metodo  dei  momenti;  PWMu:  stima  col  metodo  dei 
momenti  pesati  non  distorto  (unbiased);  PWMb:  stima  col  metodo  dei  momenti  pesati  distorto 
(biased). 
Soglia  n. eventi  95%‐CI
Stazione  MLE  MOM  PWMu  PWMb 
(mm/h)  per anno  (MLE‐shape) 
0.1090 0.0635 0.1664  0.1558 
1030  30  6  (‐0.16, 0.47) 
17.4673  18.2974  16.2874  16.4953 
‐0.1356 ‐0.1069 ‐0.081  ‐0.08718
1092  20  11.5  (‐0.26, 0.07) 
23.7849  23.1499  22.608  22.73666 
0.08525 0.08284 0.08113  0.07632 
1140  10  17  (‐0.05, 0.27) 
20.19054  20.24658  20.28442  20.39042 
0.04538 0.05173 0.04216  0.03776 
1180  10  18.4  (‐0.07, 0.22) 
17.79580  17.67906  17.85755  17.93959 
0.07292 0.1001 0.007133  0.002906
1230  25  17.3  (‐0.03, 0.23) 
17.87079  17.3666  19.161295  19.242869   
0.06951 0.06349 0.05781  0.05453 
1850  10  24.7  (‐0.05, 0.22) 
21.12436  21.25537  21.38418  21.45878 
0.1532 0.1312 0.1448  0.1424 
1940  10  25.1  ( 0.04, 0.29) 
19.0029  19.4660  19.1634  19.2158 
0.07376 0.06286 0.09673  0.09308 
1980  20  20.4  (‐0.05, 0.25) 
18.09371  18.29757  17.63633  17.70764 
0.2385 0.1734 0.2345  0.2302 
2086  20  19.4  ( 0.08, 0.44) 
16.6005  17.8676  16.5470  16.6398 
0.2035 0.1759 0.1955  0.1913 
2090  20  18  ( 0.06, 0.39) 
18.4700  19.0698  18.6147  18.7117 
0.0742 0.05357 0.1062  0.09982 
2120  20  12.8  (‐0.11, 0.32) 
24.8762  25.39994  23.9866  24.15865 
0.1554 0.1420 0.1128  0.1088 
2150  25  14  ( 0.01, 0.31) 
23.4635  23.2982  24.0904  24.1980 
0.03784 0.02821 0.0869  0.08258 
2180  30  14.5  (‐0.12, 0.23) 
25.84783  26.09331  24.5173  24.63341 
‐0.004130 ‐0.001803 ‐0.03045  ‐0.03463
2210  15  17.3  (‐0.12, 0.15) 
26.235015  26.175519  26.92398  27.03334 
‐0.009778 ‐0.004817 0.03617   0.0327 
2290  10  23.3  (‐0.14, 0.16) 
28.220198  28.081396  26.93595  27.0329 
‐0.1657 ‐0.1983 ‐0.2793  ‐0.2845 
2310  20  11.5  (‐0.27, 0.00) 
29.6071  30.4899  32.5487  32.6819 
‐0.06532 ‐0.05871 ‐0.05484  ‐0.05981
2510  20  14.4  (‐0.19, 0.12) 
25.93760  25.77666  25.68245  25.80343 
‐0.06583 ‐0.07614 ‐0.1308  ‐0.1353 
2600  30  13.4  (‐0.17, 0.09) 
22.64470  22.87355  24.0361  24.1302 
‐0.2321 ‐0.2028 ‐0.1959  ‐0.2001 
2690  25  14.9  (‐0.31, ‐0.07) 
27.6187  26.8895  26.7372  26.8309 
0.0964 0.0878 0.1028  0.09655 
2730  20  12  (‐0.06, 0.32) 
19.2487  19.4215  19.1030  19.23524 
0.1912 0.1345 0.1956  0.191 
2890  20  15.1  (0.03, 0.40) 
18.3821  19.5507  18.1717  18.275 
‐0.1729 ‐0.101 ‐0.03212  ‐0.03725
2940  30  12.9  (‐0.31, 0.04) 
24.9059  23.262  21.80628  21.91468 
‐0.06911 ‐0.0544 ‐0.01605  ‐0.02255
3210  35  12.3  (‐0.16, 0.20) 
23.85293  23.5207  22.66539  22.81034 

 
 

B.63
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B5.2.1 – Intensità massima alla durata di 5 minuti 
 
Il test delle discordanze non porta a scartare alcuna stazione, tuttavia  le 23 stazioni  
risultano eventualmente eterogenee, secondo il test di Hosking e Wallis, e molto prossime 
alla  eterogeneità  certa    (statistiche  test:  H  =  2,  H2  =  2.4,  H3  =  2)1.  In  questo  lavoro,  la 
statistica di riferimento sarà sempre H (si veda l’Appendice B). 
Le  23  stazioni  sono  state  quindi  suddivise  in  due  sotto‐regioni,  prendendo  spunto 
dall’esito  dell’analisi  at  site:  stazioni  con  parametro  di  forma  positivo  e  stazioni  con 
parametro di forma negativo. Le due sottoregioni, rappresentate in Figura B.51,  sono le 
seguenti:   
 SR1 =  {1030, 1140, 1180, 1230, 1850, 1940, 1980, 2086, 2090, 2120, 2150, 2180, 2290, 
2730,  2890}  
 SR2 = {1092, 2210, 2310, 2510, 2600, 2690, 2940, 3210}. 
 
 

4.4 ´ 10 6

6
4.3 ´ 10

1500
1000
5000

2.6 ´ 10 6

2.65 ´ 10 6

6
6 4.2 ´ 10
7 ´ 10
2.7
2
 
Figura B.51 – Rappresentazione delle 23 stazioni esaminate per l’analisi PDS suddivise nelle due sotto‐
regioni SR1 (rosso) ed SR2 (blu).   
 
Va  menzionato  il  fatto  che  è  stata  condotta  anche  un’analisi  sulla  base  delle 
coordinate dei siti e della piovosità media annua (calcolata sul lungo periodo) con lo scopo 
di utilizzare tali criteri per la suddivisione delle stazioni, ma che nulla di significativo ne è 
emerso.  

                                                         
1
Le 23 stazioni risultano non omogenee anche rispetto alle soglia di 30 mm/h e di di 25 mm/h, come 
atteso dai risultati dell’analisi at site.

B.64
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Le due sotto‐regioni individuate su base statistica sono risultate omogenee secondo 
il test di Hosking e Wallis, come indicato nella Tabella B.XI. 
 
Tabella B.XI – Esito del test di Hosking e Wallis per l’omogeneità delle sottoregioni individuate. 
  H H2 H3
SR1  ‐0.02 0.33 0.55
SR2  0.19 0.58 0.72
 
Si  è  quindi  provveduto  all’analisi  delle  eccedenze  rispetto  alla  soglia  di  35  mm/h 
nelle  due  sotto‐regioni.  La  Figura  B.52  mostra  l’andamento  teorico  della  relazione  tra    il 
momento  di  L‐skewness    e  coefficiente  di  L‐variazione    per  una  distribuzione  GP,  a 
confronto  con  il  grafico  di  dispersione  dei  dati  (L‐momenti  campionari  delle  eccedenze), 
divisi per gruppi. Si vede come le due medie regionali (punti rosso e blu) siano molto vicini 
alla curva. 
 
L_SKEW
GENERALIZED PARETO DISTRIBUTION
0.5
SR1
SR2
0.45

0.4

0.35

0.3

0.25

L_CV
0.45 0.5 0.55 0.6

0.15
 
Figura B.52 –Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze, divisi per gruppi.  Durata: 5 minuti; soglia: 35 mm/h. I punti rosso e blu 
rappresentano,  rispettivamente,  le  medie  regionali  degli  equivalenti  campionari  (punti  neri  e  grigi) 
nelle due sotto‐regioni SR1 ed SR2.   
 
La  Tabella  B.XII  mostra  le  stime  ottenute  dei  parametri  incogniti  nelle  equazioni 
(B.20) ‐ (B.21) e riporta l’esito del test di bontà dell’adattamento, mentre la Tabella B.XIII 
alcuni livelli di ritorno per tempi di ritorno rilevanti a scopi di prevenzione da dissesto idro‐
geologico. 
 
Tabella B.XII – Analisi delle (eccedenze delle) intensità massime per la durata pari a 5 minuti. 
u0  = 35 mm/h   k α G3
SR1  8.6 ‐0.146 0.854 ‐0.75
SR2  9.6 0.045 1.045 ‐0.48
 
 
 

B.65
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.XIII – Intensità stimata per alcuni tempi di ritorno rilevanti. La colorazione distingue le due 
sotto‐regioni (SR1 in grigio e SR2 in bianco, rispettivamente). 
Stazione  T=10  T=20  T=50  T=100 
1030  146.8  171.4  208.0  239.1 
1092  117.9  129.1  143.3  153.7 
1140  163.9  192.3  234.4  270.3 
1180  132.3  153.7  185.6  212.6 
1230  134.5  156.4  189.0  216.7 
1850  172.7  203.0  248.0  286.3 
1940  190.2  224.4  275.1  318.3 
1980  151.9  177.7  215.9  248.4 
2086  180.4  212.4  260.0  300.5 
2090  181.4  213.6  261.5  302.3 
2120  194.8  230.0  282.3  326.8 
2150  191.0  225.3  276.4  319.8 
2180  182.2  214.6  262.7  303.7 
2210  142.7  157.2  175.7  189.1 
2290  203.4  240.4  295.5  342.4 
2310  126.5  138.8  154.5  165.9 
2510  138.7  152.7  170.5  183.5 
2600  118.5  129.8  144.1  154.6 
2690  128.2  140.8  156.8  168.5 
2730  169.9  199.5  243.7  281.2 
2890  178.9  210.5  257.6  297.6 
2940  125.8  138.0  153.6  165.0 
3210  131.1  144.0  160.5  172.5 
 
 
B5.2.2 – Intensità massima alla durata di 10 minuti 
 
Con  la  soglia  di  35  mm/h  le  23  stazioni  formano,  rispetto  alla  nuova  durata,  una 
regione omogenea (statistiche test: H = 0.22, H2= 0.15, H3 = ‐0.03). Le figure e le tabelle 
riportate  nel  seguito  hanno  il  medesimo  significato  illustrato  nel  paragrafo  precedente, 
pertanto, solo eventuali scostamenti saranno commentati. 
 
Tabella B.XIV – Analisi delle (eccedenze delle) intensità massime per la durata pari a 10 minuti. 
u0  = 35 mm/h  k α G3
23 stazioni  5.7 ‐0.025 0.975 ‐0.58
 

B.66
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

L_SKEW
GENERALIZED PARETO DISTRIBUTION
0.5

0.45

0.4

0.35

0.3

0.25

L_CV
0.45 0.5 0.55 0.6
0.15
 
Figura B.53 – Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze.  Durata: 10 minuti; soglia: 35 mm/h. Il punto rosso rappresenta la media 
regionale degli equivalenti campionari.   
 
 
Tabella B.XV – Intensità stimata per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  126.5  143.0  165.4  182.7 
1092  99.8  111.6  127.5  139.7 
1140  123.3  139.3  160.9  177.5 
1180  107.7  120.9  138.7  152.5 
1230  107.0  120.0  137.7  151.2 
1850  134.7  152.7  177.1  195.9 
1940  129.0  146.1  169.1  186.8 
1980  113.4  127.6  146.7  161.5 
2086  145.9  166.0  193.2  214.1 
2090  146.4  166.6  193.8  214.8 
2120  149.7  170.5  198.5  220.2 
2150  133.5  151.4  175.5  194.1 
2180  137.1  155.6  180.6  199.8 
2210  122.2  138.0  159.3  175.8 
2290  142.2  161.7  187.9  208.2 
2310  116.0  130.7  150.5  165.8 
2510  113.8  128.1  147.4  162.3 
2600  100.6  112.5  128.5  140.9 
2690  107.4  120.6  138.3  152.0 
2730  123.7  139.8  161.5  178.2 
2890  142.3  161.7  187.9  208.2 
2940  110.8  124.5  143.1  157.4 
3210  116.3  131.0  150.9  166.3 

B.67
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B5.2.3 – Intensità massima alla durata di 15 minuti 
 
Con la soglia di 35 mm/h (corrispondente ad un numero regionale medio di eventi 
per anno pari a circa 4) il test di omogeneità sulle 23 stazioni fornisce un risultato al limite 
(prossimo a 1). È stato pertanto preferito abbassare la soglia a 25 mm/h, anche in ragione 
della durata più lunga, come menzionato in precedenza. Rispetto alla nuova soglia, le 23 
stazioni formano una regione omogenea (statistiche test: H = 0.75, H2= 0.41, H3 = 0.17). Le 
figure  e  le  tabelle  riportate  nel  seguito  hanno  il  medesimo  significato  illustrato  nel 
paragrafo B5.2.1 e, pertanto, solo eventuali scostamenti saranno commentati. 
 
L_SKEW
GENERALIZED PARETO DISTRIBUTION
0.5

0.45

0.4

0.35

0.3

0.25

L_CV
0.45 0.5 0.55 0.6
0.15
 
Figura B.54 – Andamento teorico della relazione  tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze.  Durata: 15 minuti; soglia: 25 mm/h. Il punto rosso rappresenta la media 
regionale degli equivalenti campionari.   
 
Tabella B.XVI – Analisi delle (eccedenze delle) intensità massime per la durata pari a 15 minuti. 
u0  = 35 mm/h  k α G3
23 stazioni  7.5 ‐0.092 0.908 ‐0.69
 
Tabella B.XVII – Intensità stimata per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  102.1  117.5  139.6  157.6 
1092  93.9  107.7  127.4  143.5 
1140  106.5  122.8  146.2  165.1 
1180  89.0  101.8  120.1  135.0 
1230  89.4  102.3  120.8  135.8 
1850  114.2  132.2  157.7  178.5 
1940  117.2  135.7  162.1  183.6 
1980  106.2  122.5  145.7  164.7 
2086  122.5  142.1  170.1  192.8 
2090  112.3  129.9  154.9  175.2 
2120  128.7  149.6  179.2  203.4 
2150  119.3  138.2  165.2  187.1 
2180  116.0  134.3  160.4  181.6 

B.68
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2210  119.9  139.0  166.2  188.3 


2290  128.1  148.8  178.3  202.3 
2310  107.7  124.3  148.0  167.3 
2510  108.1  124.8  148.6  168.0 
2600  87.3  99.8  117.6  132.1 
2690  96.3  110.7  131.1  147.7 
2730  101.8  117.3  139.2  157.1 
2890  132.4  154.0  184.8  209.8 
2940  107.4  124.0  147.6  166.8 
3210  97.8  112.4  133.2  150.2 

B5.2.4 – Intensità massima alla durata di 20 minuti 
 
Con  la  soglia  di  35  mm/h  la  stazione  1180  (Castrovillari)  risulta  discordante  dalle 
altre, e quindi non analizzata. Le 22 stazioni rimanenti formano, rispetto alla nuova durata, 
una regione omogenea (statistiche test: H = 0.29, H2= 0.77, H3 = 1). Le figure e le tabelle 
riportate  nel  seguito  hanno  il  medesimo  significato  illustrato  nel  paragrafo  B5.2.1  e, 
pertanto, solo eventuali scostamenti saranno commentati. 

L_SKEW
GENERALIZED PARETO DISTRIBUTION

0.5

0.4

0.3

0.2

0.1

L_CV
0.35 0.4 0.45 0.5 0.55 0.6 0.65  
Figura B.55 – Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze.  Durata: 20 minuti; soglia: 35 mm/h. Il punto rosso rappresenta la media 
regionale degli equivalenti campionari.   
 
Tabella B.XVIII – Analisi delle (eccedenze delle) intensità massime per la durata pari a 20 minuti 
u0  = 35 mm/h  k α G3
22 stazioni  2.8 0.001 1.001 ‐1.28
 
 
 
 

B.69
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.XIX – Intensità stimata per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  94.1  106.3  122.4  134.6 
1092  70.5  77.9  87.6  95.0 
1140  98.2  111.3  128.6  141.6 
1180  xx  xx  xx  xx 
1230  86.1  96.7  110.6  121.2 
1850  107.6  122.6  142.5  157.5 
1940  95.6  108.1  124.7  137.2 
1980  81.7  91.4  104.1  113.8 
2086  109.6  125.1  145.4  160.9 
2090  104.0  118.2  137.1  151.3 
2120  104.3  118.6  137.6  151.9 
2150  103.2  117.4  136.0  150.1 
2180  98.9  112.2  129.7  142.9 
2210  110.6  126.3  147.0  162.6 
2290  102.1  116.0  134.3  148.2 
2310  96.3  109.0  125.7  138.4 
2510  86.7  97.5  111.6  122.3 
2600  75.4  83.7  94.8  103.1 
2690  83.7  93.8  107.1  117.2 
2730  92.8  104.8  120.5  132.5 
2890  122.3  140.3  164.2  182.2 
2940  80.3  89.7  102.1  111.5 
3210  89.1  100.3  115.1  126.3 
 
 
B5.2.5 – Intensità massima alla durata di 30 minuti 
 
Con  la  soglia  di  35  mm/h  le  23  stazioni  formano,  rispetto  alla  nuova  durata,  una 
regione omogenea (statistiche test: H = ‐0.94, H2= ‐1.13, H3 = ‐0.39). Le figure e le tabelle 
riportate  nel  seguito  hanno  il  medesimo  significato  illustrato  nel  paragrafo  B5.2.1    e, 
pertanto, solo eventuali scostamenti saranno commentati. 
 
Tabella B.XX – Analisi delle (eccedenze delle) intensità massime per la durata pari a 30 minuti. 
u0  = 35 mm/h  k α G3
23 stazioni  1.7 0.05 1.05 ‐0.24
 
 

B.70
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

L_SKEW
GENERALIZED PARETO DISTRIBUTION

0.5

0.4

0.3

0.2

0.1

L_CV
0.35 0.4 0.45 0.5 0.55 0.6 0.65  
Figura B.56 – Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze.  Durata: 30 minuti; soglia: 35 mm/h. Il punto rosso rappresenta la media 
regionale degli equivalenti campionari.   
  
 
Tabella XXI – Intensità stimata per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  59.9  65.5  72.5  77.6 
1092  55.3  59.8  65.5  69.7 
1140  81.5  91.8  104.9  114.5 
1180  47.8  50.6  54.3  56.9 
1230  83.8  94.6  108.4  118.4 
1850  91.8  104.5  120.5  132.1 
1940  80.4  90.5  103.3  112.6 
1980  69.5  77.2  86.9  94.0 
2086  89.7  101.8  117.2  128.4 
2090  90.3  102.6  118.1  129.5 
2120  76.7  86.0  97.8  106.3 
2150  92.7  105.5  121.8  133.6 
2180  71.0  79.0  89.1  96.5 
2210  95.3  108.7  125.7  138.0 
2290  80.8  91.0  103.9  113.3 
2310  80.6  90.7  103.6  112.9 
2510  97.3  111.2  128.7  141.5 
2600  57.3  62.3  68.6  73.2 
2690  81.7  92.1  105.3  114.9 
2730  74.6  83.4  94.6  102.7 
2890  102.9  118.0  137.2  151.1 
2940  61.4  67.2  74.7  80.1 
3210  79.9  89.9  102.6  111.8 
 
 
 

B.71
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B5.2.6 – Intensità massima alla durata di 60 minuti 
 
A questa durata, la soglia di 35 mm/h risulta troppo elevata, portando ad un numero 
medio  regionale  di  eventi  per  anno  inferiore  a  1.  La  soglia  adottata  è  stata,  quindi, 
abbassata a 20 mm/h. Rispetto ad essa, la stazione 1180 (Castrovillari) risulta ancora una 
volta discordante e, pertanto, eliminata dall’analisi. Le 22 stazioni  rimanenti formano una 
regione omogenea (statistiche test: H = ‐0.12, H2= ‐1.44, H3 = ‐1.44). Le figure e le tabelle 
riportate  nel  seguito  hanno  il  medesimo  significato  illustrato  nel  paragrafo  B5.2.1  e, 
pertanto, solo eventuali scostamenti saranno commentati. 
 
L_SKEW
GENERALIZED PARETO DISTRIBUTION

0.5

0.4

0.3

0.2

0.1

L_CV
0.35 0.4 0.45 0.5 0.55 0.6 0.65  
Figura B.57 – Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari delle eccedenze.  Durata: 60 minuti; soglia: 20 mm/h. Il punto rosso rappresenta la media 
regionale degli equivalenti campionari.   
 
Tabella B.XXII – Analisi delle (eccedenze delle) intensità massime per la durata pari a 60 minuti. 
u0  = 20 mm/h  k α G3
22 stazioni  2.5 ‐0.111 0.889 ‐0.26
 
Tabella B.XXIII – Intensità stimata per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  38.9  44.0  51.3  57.4 
1092  47.6  55.0  65.7  74.6 
1140  68.6  81.7  100.5  116.0 
1180  xx  xx  xx  xx 
1230  46.4  53.4  63.6  72.0 
1850  57.5  67.6  82.1  94.1 
1940  60.8  71.7  87.5  100.5 
1980  49.9  57.9  69.5  79.0 
2086  55.5  64.9  78.6  90.0 
2090  59.3  69.9  85.1  97.7 
2120  60.8  71.8  87.5  100.6 
2150  58.4  68.7  83.6  95.9 
2180  47.2  54.5  65.0  73.7 

B.72
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

2210  81.5  97.9  121.7  141.4 


2290  63.2  74.7  91.4  105.2 
2310  61.9  73.1  89.3  102.7 
2510  64.3  76.1  93.3  107.4 
2600  37.7  42.4  49.2  54.9 
2690  62.0  73.2  89.5  102.9 
2730  55.4  64.9  78.6  90.0 
2890  80.2  96.2  119.5  138.7 
2940  38.6  43.6  50.7  56.7 
3210  46.9  54.0  64.4  73.0 
 
 
B5.2.7 – Pioggia totale degli eventi 

Per  la  pioggia  totale  è  stata  considerata  la  soglia  di  60  mm,  in  considerazione  del 
fatto  che  il  valore  minimo  osservato  complessivamente  nelle  23  stazioni  è  di  poco 
superiore  a  70mm.  Rispetto  a  tale  soglia,  risultano  discordanti  le  stazioni  1030  (Torano 
Scalo)  e  2510  (Scilla)2.  Le  21  stazioni    rimanenti  formano  una  regione  omogenea 
(statistiche test: H = 0.49, H2= ‐1.17, H3 = ‐1.05). Le figure e le tabelle riportate nel seguito 
hanno  il  medesimo  significato  illustrato  nel  paragrafo  B5.2.1  e,  pertanto,  solo  eventuali 
scostamenti saranno commentati. 
 
Tabella B.XXIV – Analisi della pioggia totale per evento. 
u0  = 60 mm  k α G3
21 stazioni  4.1 ‐0.094 0.906 ‐1.11
 
L_SKEW
GENERALIZED PARETO DISTRIBUTION
0.7

0.6

0.5

0.4

0.3

0.2

0.1

L_CV
0.4 0.5 0.6 0.7
 
Figura B.58 – Andamento teorico della relazione tra il momento di L‐skewness ed il coefficiente di L‐
variazione    per  una  distribuzione  GP,  a  confronto  con  il  grafico  di  dispersione  degli  L‐momenti 
campionari  delle  eccedenze.    Pioggia  totale;  soglia:  60  mm.  Il  punto  rosso  rappresenta  la  media 
regionale degli equivalenti campionari.   
 
 
                                                         
2
Anche abbassando la soglia a 50 mm e, successivamente, a 35 mm non si ottiene
l’omogeneità delle 23 stazioni nel loro complesso.

B.73
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Tabella B.XXV – Intensità stimata stimati per alcuni tempi di ritorno rilevanti. 
Stazione  T=10  T=20  T=50  T=100 
1030  xx  xx  xx  xx 
1092  171.4  196.8  233.1  262.6 
1140  141.5  160.1  186.6  208.2 
1180  229.4  268.1  323.2  368.2 
1230  210.2  244.4  293.3  333.2 
1850  156.2  178.2  209.5  235.0 
1940  218.0  254.0  305.4  347.4 
1980  272.4  320.8  389.9  446.3 
2086  290.0  342.5  417.3  478.4 
2090  244.3  286.3  346.2  395.1 
2120  261.2  307.1  372.5  425.9 
2150  344.9  409.8  502.5  578.1 
2180  225.6  263.3  317.2  361.1 
2210  306.4  362.6  442.7  508.1 
2290  207.9  241.7  289.8  329.1 
2310  205.2  238.3  285.5  324.1 
2510  xx  xx  xx  xx 
2600  201.6  233.9  280.0  317.6 
2690  171.9  197.5  233.9  263.6 
2730  89.3  96.0  105.5  113.3 
2890  223.3  260.6  313.7  357.0 
2940  138.3  156.1  181.6  202.4 
3210  178.3  205.3  243.8  275.2 
 
   

B.74
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

B6 – Curve di Probabilità Pluviometrica per durate inferiori ad 1 ora 
ORESTE TERRANOVA, (CON LA PARTECIPAZIONE DI STEFANO LUIGI GARIANO) 
 
I  risultati  ottenuti  nell’analisi  PDS  rendono  possibile  la  costruzione  delle  curve  di 
probabilità pluviometrica (CPP) per durate inferiori all’ora, relativamente ai siti analizzati. 
Tali curve esprimono la relazione fra le altezze di precipitazione h e la loro durata t, 
per  un  assegnato  valore  del  periodo  di  ritorno  T.  Generalmente  viene  considerato  un 
fascio di curve, ciascuna delle quali corrisponde ad un valore diverso del periodo di ritorno; 
nel caso in esame vengono presi in esame i tempi di ritorno pari a 10, 20, 50 e 100 anni. 
La  relazione  delle  CPP  viene  tradizionalmente  espressa  in  Italia  con  una  legge  di 
potenza monomia del tipo:  
ht ,T  a  t n                   (B.41) 
dove  h  è  l’altezza  di  precipitazione;  t  è  la  durata  della  precipitazione;  a  ed  n  sono 
coefficienti che dipendono dal periodo di ritorno. 
In Figura B.59 sono riportate le CPP per i 4 tempi di ritorno costruite sulla base dei 
dati della stazione 1850. 
 

 
Figura B.59 – Curve di probabilità pluviometrica per la stazione 1850 
 
 
   

B.75
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

Bibliografia 
 
ANTRONICO L., GULLÀ G., TERRANOVA O. (2002), “L’Evento Pluviometrico dell’8‐10 Settembre 2000 nella 
Calabria Ionica Meridionale: Dissesti sui Versanti e Processi in Alveo”, in XIX Giornata dell'Ambiente 
sul  tema  “Il  dissesto  idrogeologico:  inventario  e  prospettive”,  Accademia  Nazionale  dei  Lincei, 
Roma. 
ARONICA  G.,  FERRO  V. (1997), “Rainfall erosivity over the Calabrian region”, in Hydrological Sciences, 
42 (pp. 35‐48). 
AUTORITÀ DI BACINO DELLA CALABRIA (2002), Piano stralcio di bacino per l’assetto idrogeologico. 
BELLECCI  C.,  COLACINO  M.,  CASELLA  L.,  FEDERICO  S. (2003), Il clima in Calabria, Edizioni ARACNE, Roma, 
Vol. 15.  
BONTA  J.  V.,  RAO  A.  R.  (1989),  “Regionalization  of  storm  hyetographs”,  Water  Resources  Bulletin 
25(1) (pp. 211−217). 
BONTA  J.V.,  (2004),  “Development  and  utility  of  Huff  curves  for  disaggregating  precipitation 
amounts”, Applied Engineering in Agriculture, 20(5) (pp. 641‐653). 
COLES S. (2001), An Introduction to Statistical Modelling of Extreme Values, Springer Verlag, Londra. 
COLOSIMO  C.,  COPERTINO  V.A.  (1981),  “Una  descrizione  stocastica  delle  sequenze  di  giorni  non 
piovosi”, Idrotecnica, 1. 
COLOSIMO  C.,  MENDICINO  G.,  TERRANOVA  O. (1996), An analysis of rainfall profiles of an experimental 
basin  (Turbolo  creek  basin  ‐  Italy),  VI  Congreso  nacional  y  Conferencia  internacional  de  Geologia 
ambiental y ordenacion del territorio, 22‐25 de Abril de 1996, Granada (Espana). 
CUNNANE  C.  (1988),  “Methods  and  merits  of  regional  flood  frequency  analysis”,  Journal  of 
Hydrology, 100 (pp. 269‐290). 
DALRYMPLE  T (1960), “Flood frequency analyses”, U.S. Geological Survey Water Supply Paper, 1543‐
A. 
GULLÀ  G.,  ANTRONICO  L.,  FERRARI  E.,  SORRISO‐VALVO  M.,  TANSI  C.,  TERRANOVA  O.,  ACETO  L.,  NICEFORO  D. 
(2001),  Linee  guida  per  interventi  di  stabilizzazione  di  pendii  in  aree  urbane  da  riqualificare, 
Consiglio  Nazionale  delle  Ricerche  ‐  IRPI,  Regione  Calabria,  UE‐POP  1994/99‐Misura  4.4  ‐  Ricerca 
Scientifica e Tecnologica, voll. 1‐8. 
GUMBEL E. J. (1958), Statistics of extremes, Columbia University Press, New York. 
HANSON,  C.  L.,  JOHNSON  G.  L.,  FRYMIRE  W.  L.,  (2002), “The GEM (Generation of weather Elements for 
Multiple applications) weather simulation model”, in 13th AMS Conf. Appl. Climatology, 117−121. 
American Meteorological Society, Portland, Oregon. 
HENEKER,  T.M.,  LAMBERT  M.F.,  KUCZERA  G.,  (2001),  “A  point  rainfall  model  for  risk‐based  design”, 
Journal of Hydrology, Vol. 247( 1‐2), (pp. 54‐71). 
HERSHFIELD DM (1962), Extreme rainfall relationships, Jou. Hydraul. Div. ASCE 88 (pp. 73–92). 
HOSKING  J.R.M.  (1990),  “L‐moments:  analysis  and  estimation  of  distributions  using  linear 
combinations of order statistics”, in  Journal of the Royal Statistical Society, Series B, 52 (pp. 105‐
124). 

B.76
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

HOSKING  J.R.M.,   WALLIS  J.R. (1993), “Some statistics useful in regional frequency analysis”, in Water 


Resources Research, 29 (pp. 271‐281). 
HOSKING  J.R.M.,   WALLIS  J.R. (1997), Regional frequency analysis: an approach based on L‐moments, 
Cambridge University Press, Cambridge, U.K. 
HUFF  F.A.  (1967), “Time distribution of rainfall in heavy rainfalls”, in Water Resour Res 3 (pp. 1007–
1019). 
HUFF  F.  A.  (1990),  Time  distributions  of  heavy  rainstorms  in  Illinois,  Illinois  State  Water  Survey, 
Circular 173. Champaign, Ill. 
HUFF  F.  A.,  ANGEL  J.  R., (1992), Rainfall frequency atlas of the Midwest, Illinois State Water Survey, 
Champaign, Ill. 
KOTTEGODA  N.T.,  KASSIM  A.H.M.  (1991), “The turning bands method with the Fast‐Fourier Transform 
as an aid to the determination of storm movement”, Jour. Hydrology n. 1–4, (pp. 55–69). 
LAMBERT  M.F.,  KUCZERA  G.A.  (1996)  "A  Statistical  Model  of  Rainfall  and  Temporal  Patterns."  7th 
International Conference on Stochastic Hydraulics, IAHR, Mackay, July, (pp. 317‐324). 
MADSEN  H.,  MIKKELSEN  P.S.,  ROSBJERG  D.,  HARREMOËS  P.  (2002),  “Regional  estimation  of  rainfall–
intensity–duration–frequency curves using generalised least squares regression of partial duration 
series statistics”, in Water Resources Research, 38 (11). 
NERC  –  Natural  Environmental  Research  Council  (1975),  “Estimation  of  flood  volumes  over 
different duration”, in Flood Studies Report, vol. I (pp. 352‐373). 
NICKS,  A.  D.,  LANE  L.  J.,  GANDER  G.  A,  (1995),  “Chapter  2.  Weather  Generator”,  In  FLANAGAN  D.  C., 
NEARING  M.  A.,  Hillslope  Profile  and  Watershed  Model  Documentation,  NSERL  Report  No.  10, 
USDA−ARS National Soil Erosion Research Laboratory, West Lafayette, Ind. 
ONOF  C.,  WHEATER  H.S.,  (1993),  “Modelling  of  British  rainfall  using  a  random  parameter  Bartlett‐
Lewis rectangular pulse model”, Journal of Hydrology 149 (pp. 67–95). 
PENTA  A.,  ROSSI  F.,  SILVAGNI  G.,  VELTRI  M.,  VERSACE  P. (1980), Un modello stocastico per l’analisi delle 
massime  piogge  giornaliere  in  presenza  di  grandi  nubifragi,  Atti  del  XVII  Convegno  di  Idraulica  e 
costruzioni idrauliche, Palermo. 
PILGRIM D.H., CORDERY E. (1975), “Rainfall temporal patterns for design floods”, J. Hydraul. Div., Proc. 
Am. Soc. Civ. Eng, (pp. 81–95). 
RIBATET  M.  (2009),  POT:  Modeling  (multivariate)  peaks  over  threshold  (Available  at:  http://cran.r‐
project.org/web/packages/POT/index.html, ultimo accesso: 23 dicembre 2009). 
ROSSI  F.,  VERSACE  P.  (1982),  Criteri  e  metodi  per  l’analisi  statistica  delle  piene.  Valutazione  delle 
piene. CNR ‐ Progetto finalizzato Conservazione del suolo, n.165 (pp. 63‐130). 
STIDD  C.K.  (1970),  “The  nth  Root  Normal  Distribution  of  Precipitation”,  Water  Resour.  Res.,  6  (pp. 
1095‐1103). 
TERRANOVA  O.  (2002a), “Probabilistic definition and analysis of severe rainy events”, in BREBBIA  C.A. 
(editor),  Risk Analysis III, WIT Press Southampton, Boston (pp. 531‐540).  
TERRANOVA  O.  (2002b),  “Risk  analysis  of  potentially  damaging    rainfall  events”,  in  MCINNES  R.G., 
JAKEWAYS J. (editors), Instability planning and management: Seeking sustainable solutions to ground 
movement problems, Thomas Telford, London, U.K. 

B.77
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 
POR Calabria 2000‐2006. Lotto progettuale n.2. Pericolosità legata ai fenomeni di intensa erosione idrica areale e lineare 
 

TERRANOVA O. (2003a), “Regional analysis of severe rainfall events”, in PICARELLI L. (editor), Fast slope 
movements. Prediction and prevention for risk mitigation, Pàtron editore, Bologna (pp. 497‐501). 
TERRANOVA  O.  (2003b),  “Analisi  di  serie  giornaliere  di  pioggia  e  proprietà  degli  eventi  severi  in 
Calabria”, in PICCOLO  D.,  UBERTINI  L.  (editors), Metodi statistici e matematici per l’analisi delle serie 
idrologiche, CNR‐GNDCI. Pubbl. N° 2812 (pp. 221‐230). 
TERRANOVA  O.,  GULLÀ  G.  (2003),  Scenari  di  pioggia  critici  per  le  instabilità  di  pendio  in  Calabria. 
Metodologie d’approccio ed analisi di serie storiche, Convegno Nazionale La Difesa della Montagna, 
Assisi 11–12 dicembre 2002 (pp. 291‐300). 
TERRANOVA  O.  (2004),  Caratteri  statistico‐probabilistici  degli  eventi  pluviometrici  in  Calabria,  CNR‐
IRPI Sezione di Cosenza, Rapp. Int. 
VENEZIANO  D.,  VILLANI  P.  (1999),  “Best  linear  unbiased  design  hyetograph”,  Water  Resources 
Research, 35(9) (pp. 2725‐2738). 
VERSACE  P.,  FERRARI  E.,  GABRIELE  S.,  ROSSI  F. (1989), Valutazione delle piene in Calabria, CNR, Gruppo 
Nazionale per la Difesa delle Catastrofi Idrogeologiche, Geodata, Publ. 30. 
VERSACE P., (2004), Dispense del corso di Idrologia A.A. 2004/2005. Corso di laurea in Ingegneria per 
l’ambiente ed il territorio, Facoltà di Ingegneria, Università della Calabria, Rende (CS) 
WILSON R.C. (1997), “Normalizing rainfall/debris‐flow thresholds along the U.S. Pacific coast for long 
term variations in precipitation climate”, in CHEN  C.L.  (editor), 1st Int. Conf. on Debris‐Flow Hazard 
Mitigation, Hydraulic Division, American Society of Civil Engineers, August 7‐9, 1997, San Francisco 
(pp. 32‐43). 
WISHMEIER  W.H.,  SMITH  D.D.  (1978),  “Predicting  Rainfall  Erosion  Losses”,  in  Agriculture  Handbook 
n.537, Agriculture Research Service, USDA.  
 

B.78
A cura di Oreste Terranova. Consiglio Nazionale delle Ricerche. Istituto di Ricerca per la Protezione Idrogeologica 

Potrebbero piacerti anche