Analisi di database cartografici per lo studio delle interazioni tra ponti e frane: il caso studio della Provincia di Belluno e della rete ANAS

The study of the interaction between road networks and landslides is crucial for assessing the risk posed by these phenomena to transportation infrastructures. In particular, the risk associated with interactions between landslides and bridges or viaducts can be quantified through the concept of "Landslides Class of Attention" (L-CoA). This study aims to develop methodologies for deriving key susceptibility and vulnerability factors in cases of landslide–bridge interactions within a vast area. The geographic area selected to test the effectiveness of the procedures is the Province of Belluno, in Veneto Region of Italy. Specifically, the proposed procedures enable the extraction of parameters essential for determining the L-CoA across a large number of infrastructures. To achieve this, the main databases related to landslides and bridges are integrated and analyzed within a GIS environment. The primary databases used are the IFFI inventory of landslides in Italy and OpenStreetMap, which provides extensive information about bridges. These datasets are processed to extract parameters necessary for the L-CoA evaluation, such as bridge length and crossed entity, while additional parameters, including landslide magnitude and velocity, are derived by applying relationships from the literature. Informations not directly obtainable from the databases can be supplemented through databases of selected infrastructures. Given the large number of identified interactions, statistical analyses can be performed to investigate how various factors influence the L-CoA. The adopted approach also allows for the extraction of parameters not directly required for L-CoA assessment, such as the orientation of the bridge relative to the landslide direction or the slope of the landslide. These additional data enable further statistical evaluations aimed at identifying potential correlations between the characteristics of the interacting elements and their corresponding L-CoA.

Lo studio dell’interazione tra le reti stradali e le frane è fondamentale per la valutazione del rischio che tali fenomeni rappresentano per le infrastrutture di trasporto. In particolare, il rischio associato alle interazioni tra frane e ponti o viadotti può essere quantificato attraverso il concetto di classe di attenzione per il rischio frana (L-CoA). Il presente studio ha l’obiettivo di sviluppare metodologie per la derivazione dei principali fattori di suscettibilità e vulnerabilità nei casi di interazione frana–ponte su un’area di vasta estensione. L’area geografica selezionata per testare l’efficacia delle procedure è la Provincia di Belluno, nella Regione Veneto, Italia. In particolare, le procedure proposte consentono l’estrazione dei parametri essenziali per la determinazione della L-CoA su un elevato numero di infrastrutture. A tal fine, i principali database relativi alle frane e ai ponti vengono integrati e analizzati all’interno di un ambiente GIS. I database principali utilizzati sono l’inventario IFFI delle frane in Italia e OpenStreetMap, che fornisce informazioni dettagliate sui ponti. Tali dataset vengono elaborati per estrarre i parametri necessari alla valutazione della L-CoA, quali la lunghezza del ponte e l’elemento attraversato, mentre ulteriori parametri, tra cui la magnitudo e la velocità della frana, sono derivati applicando relazioni presenti in letteratura. Le informazioni non direttamente ricavabili dai database possono essere integrate mediante banche dati relative a infrastrutture selezionate. Dato l’elevato numero di interazioni individuate, è possibile effettuare analisi statistiche volte a indagare l’influenza dei diversi fattori sulla L-CoA. L’approccio adottato consente inoltre l’estrazione di parametri non direttamente richiesti per la valutazione della L-CoA, quali l’orientamento del ponte rispetto alla direzione di movimento della frana o la pendenza della frana stessa. Questi dati aggiuntivi permettono ulteriori analisi statistiche finalizzate all’individuazione di potenziali correlazioni tra le caratteristiche degli elementi interagenti e la relativa classe di attenzione (L-CoA).