logo

Journal of Silviculture and Forest Ecology

 
Forest@ - Journal of Silviculture and Forest Ecology
vol. 5, pp. 176-186 (Jun 2008)

Research Articles

*Implementation and spatialisation of the Canadian Fire Weather Index in the Veneto Region

E. Valese(1)Corresponding author, T. Anfodillo(1), S. Rossi(1), V. Carraro(1), A. Deslauriers(1), M. Carrer(1), M. Monai(2), A. Lemessi(3), E. Ramon(3)

 

Abstract

Fire danger rating systems are essential tools for fire management activities, allowing optimal allocation of resources both before and during the fire danger periods. Veneto Region’s Forest Service is testing the Canadian Forest Fire Weather Index (FWI) System to assess fire intensity, accounting for the effect of wind and the moisture content of inflammable material. The following steps were taken to apply the FWI system: (a) selection of the smallest number (ideally 10 - 15) of weather stations to obtain input data. Principal Components Analysis was carried out on 62 time-series of 30 years (1960-1990), including mean monthly temperature (minimum and maximum) and rainfall. The results highlighted two principal directions of climatic variability that were interpolated by the co-kriging method, allowing to delineate 11 relatively homogeneous areas in the Veneto Region. One station representative of each area was chosen to provide daily data for computing the daily fire danger index by the Regional Rating Service; (b) automation of the FWI system. A SAS v.9.1® application runs the calculations and generates a regional map of daily fire danger for the Forest Service personnel. Graphics and tabular data are also available via intranet.

Keywords: Fire, Index, Principal Component Analysis, Climate, Italy

Introduzione 

Gli indici di pericolo d’incendio boschivo rappresentano strumenti attraverso i quali le conoscenze scientifiche vengono integrate con l’esperienza operativa, ovvero con le procedure di lotta antincendio ([10]). Essi costituiscono l’elemento oggettivo che guida molte delle attività scelte dal sistema antincendio nel suo complesso come la pianificazione della vigilanza sul territorio (rotte dei mezzi aerei e punti di controllo dei mezzi terrestri), la preparazione all’emergenza e alla lotta, la dichiarazione dello stato di allerta, il miglioramento delle condizioni di sicurezza sul lavoro, l’emanazione di divieti (accensione di fuochi legati allo smaltimento di biomasse, utilizzo di strumenti a rischio durante le utilizzazioni forestali, accesso turistico alle aree protette, ecc.) e di misure di sicurezza per la popolazione, la pianificazione di fuochi prescritti o delle altre attività legate alla gestione dei combustibili e alla prevenzione dei grandi incendi.

Come previsto dall’art. 3 della legge 21 novembre 2000 n. 353, e più in particolare dalle relative linee guida definite dal DM 20 dicembre 2001, il Piano di Prevenzione degli Incendi deve utilizzare un indice di pericolo d’incendio in funzione delle specifiche caratteristiche territoriali e climatiche. In questo quadro, il Servizio Antincendi Boschivi della Direzione Regionale Foreste ed Economia Montana della Regione Veneto ha deciso di sperimentare l’uso dell’indice canadese di pericolo d’incendio FWI (Fire Weather Index), uno strumento proveniente dal Canadian Forest Fire Weather Index System ed in uso in Canada da circa trent’anni.

In ambito europeo sono stati sviluppati diversi metodi per valutare il pericolo d’incendio boschivo ([3]). La necessità di adottare un approccio unico ha portato alla creazione del European Forest Fire Information System (EFFIS), un sistema di calcolo e previsione del pericolo basato sul Canadian Forest Fire Weather Index System. La risoluzione spaziale attualmente fornita dal EFFIS risulta tuttavia insufficiente quando viene applicata alle esigenze operative del servizio regionale antincendio boschivo. La realizzazione di un sistema di calcolo dell’indice canadese plasmata sulla realtà regionale del Veneto assume quindi un significato sia come strumento funzionale su scala regionale sia per una successiva valutazione dell’efficacia del EFFIS.

L’FWI parte dal presupposto che la probabilità di innesco dipenda strettamente dallo stato di idratazione dei combustibili vegetali morti, che dipende, a sua volta, dall’andamento climatico. Viene calcolato sulla base di parametri meteorologici (temperatura dell’aria, umidità relativa, velocità del vento a 10 m dal suolo e precipitazioni delle ultime 24 ore) misurati ad un’ora standard del pomeriggio (ore 13), considerati rappresentativi del picco giornaliero di pericolo (che generalmente si manifesta attorno alle ore 16). L’FWI comprende 6 componenti (Fig. 1), tre relative all’umidità del combustibile e tre relative al comportamento del fuoco ([11]).

Fig. 1 - Struttura del Fire Weather Index (Fonte: [11]).
 
Enlarge/Shrink Open in Viewer

Le tre componenti relative all’umidità del combustibile sono modelli dinamici che simulano le fasi di disidratazione di tre distinti strati del suolo forestale: a valori crescenti delle componenti corrispondono livelli decrescenti di idratazione. Il Fine Fuel Moisture Code (FFMC) è un indicatore del contenuto idrico dei combustibili fini e ne stima il grado di infiammabilità. L’umidità dei combustibili fini è molto sensibile alle condizioni dell’atmosfera e ciò determina che per questi valga un time-lag di 16 ore. Con il termine time-lag si intende il tempo necessario affinché i combustibili morti perdano il 63% della differenza fra la loro umidità iniziale e il loro contenuto idrico di equilibrio in condizioni di temperatura e umidità relativa costanti ([2]). Il Duff Moisture Code (DMC) indica il contenuto idrico degli strati organici moderatamente profondi e la profondità che il fuoco sarà in grado di raggiungere bruciando la lettiera e i materiali legnosi di media grandezza. Per il DMC si utilizza un time-lag di 12 giorni. Il Drought Code (DC) stima il contenuto idrico medio degli strati organici profondi (10-20 cm). Simula l’andamento stagionale di disidratazione dei combustibili degli strati profondi del suolo e di quelli di grandi dimensioni. È necessario un periodo prolungato di siccità (time-lag pari a 52 giorni) per determinare effetti sensibili sul valore di DC.

Le tre componenti relative al comportamento del fuoco tengono conto dell’umidità del combustibile e della velocità del vento, e indicano il comportamento più probabile di un incendio. L’Initial Spread Index (ISI) indica le modalità di propagazione durante i primi stadi di sviluppo. Viene calcolato in base al valore di FFMC e della velocità del vento. Il Build Up Index (BUI) stima la quantità di combustibile disponibile indicando come il fuoco si svilupperà dopo le prime fasi di propagazione. Viene calcolato combinando i valori delle componenti DMC e DC.

Infine, il Fire Weather Index (FWI) combina l’informazione derivata dalle componenti ISI e BUI fornendo una stima del grado di intensità dell’incendio.

Per l’applicazione dell’indice sul territorio veneto si sono tenuti in considerazione i seguenti fattori:

  • la numerosità delle stazioni, e quindi delle zone omogenee su cui calcolare e rappresentare l’indice, doveva essere un buon compromesso tra la facilità di gestione da parte del Servizio Antincendi Boschivi (che limiterebbe il numero delle stazioni) e la completezza nel rappresentare la variabilità climatica della regione (che invece porterebbe ad un numero elevato di stazioni);
  • le stazioni meteorologiche dovevano essere affidabili e garantire continuità di funzionamento nel tempo;
  • il calcolo dell’indice doveva essere eseguito ogni giorno, pertanto il sistema, per essere gestibile e affidabile, doveva essere automatizzato.

Il progetto quindi si è articolato in due fasi principali:

  • Fase I. Definizione delle aree climaticamente omogenee nella regione e scelta delle stazioni meteorologiche di riferimento;
  • Fase II. Predisposizione di un sistema automatizzato di calcolo e restituzione spaziale dell’indice.

Fase I: definizione delle zone omogenee e scelta delle stazioni 

In questa prima fase (Fase I: definizione delle zone omogenee e scelta delle stazioni) si è proceduto ad analizzare l’andamento climatico regionale attraverso analisi statistica dei principali parametri meteorologici, a rappresentare le zone climaticamente omogenee attraverso un Sistema Informativo Geografico ed infine a raggruppare le stazioni meteorologiche scegliendo le più rappresentative dell’andamento medio dell’area di appartenenza.

Materiali e metodi 

Per regionalizzare il clima in Veneto sono state selezionate 62 serie storiche di precipitazione cumulata e di temperatura minima e massima, calcolate come medie mensili, relative a 62 stazioni meteorologiche dell’ex Ufficio Idrografico del Magistrato alle Acque di Venezia (ex S.I.M.N. - Fig. 2A) e georiferite tramite un sistema informativo geografico (ArcGis v. 9.1®). Le stazioni sono state localizzate sia all’interno della Regione Veneto, sia in corrispondenza delle condizioni di contorno (Friuli e Province Autonome di Trento e Bolzano). Quando necessario, si è provveduto all’eliminazione delle discontinuità o gaps presenti all’interno delle serie storiche in corrispondenza di dati mancanti. La metodologia (gap filling) procede per confronto dei dati medi della stazione con quelli di una stazione di riferimento orograficamente o territorialmente vicina.

Fig. 2 - Mappa delle aree climaticamente omogenee come ottenuta dall’analisi delle componenti principali: (A) stazioni ex Ufficio Idrografico del Magistrato alle Acque di Venezia utilizzate nell’analisi; (B) stazioni ARPAV; (C) stazioni ARPAV scelte per il calcolo dell’indice.
 
Enlarge/Shrink Open in Viewer

Il dataset predisposto conteneva serie di lunghezza pari a 30 anni e comprendenti il trentennio 1961-1990. Questo è un periodo di riferimento utilizzato in molti studi sul clima ([1], [9], [5], [6]).

Definizione delle aree climaticamente omogenee

Quando ci si trova a lavorare con dataset ampi, sia per numero di variabili meteorologiche presenti sia per numero di stazioni, è necessario identificare gli elementi basilari in grado di spiegare la complessità del clima eliminando gli elementi di ridondanza. Uno strumento per ottenere questo obiettivo è l’analisi delle componenti principali (PCA). Nel caso in esame, il dataset era costituito da 62 stazioni, ognuna descritta da 36 variabili i cui valori sono stati calcolati come media dei 30 anni per cui erano disponibili i dati. I dati riguardavano i 3 parametri meteorologici (precipitazione cumulata mensile, media mensile delle temperature massime e media mensile delle temperature minime) relativi ad ogni mese. Per circoscrivere le aree omogenee sono state raggruppate le stazioni che avevano in comune lo stesso range di variazione dei parametri e che rappresentano le diverse classi climatiche. Applicando la PCA si sono ottenute indicazioni sul gradiente di variabilità delle stazioni per precipitazione e temperatura mensile. Sono stati considerati dapprima tutti i 12 mesi dell’anno e successivamente diverse combinazioni del dataset di partenza, considerando ogni singola stagione e i mesi che la componevano.

Attraverso l’analisi delle componenti principali si sono ottenute per ogni stazione una serie di valori che ne hanno definito la posizione rispetto agli assi di variabilità (componenti principali) e che hanno determinato il raggruppamento delle stazioni con lo stesso range di variazione dei parametri. Possiamo infatti immaginare la PCA come un modo di rappresentare i dati in un numero ridotto di dimensioni ortogonali fra loro che rappresentano le tendenze principali della variabilità.

Rappresentazione delle aree climaticamente omogenee

I valori che definiscono il range di variazione dei parametri di ogni stazione (Fig. 3) sono stati georeferenziati utilizzando ArcGis v. 9.1® e il cokriging come metodo di interpolazione. A differenza dell’ordinary kriging, che utilizza solo le autocorrelazioni spaziali, il cokriging prende in considerazione anche altre variabili che sono in correlazione (cross-correlation) con la variabile che si desidera spazializzare. Nel caso in esame abbiamo spazializzato la variabilità climatica, correlata fortemente con orografia del territorio (gradiente termico di 0.55 °C ogni 100 m), distanza dal mare (gradiente pluviometrico) e latitudine (gradiente termico - [4]).

Fig. 3 - Principal components analysis: distribuzione delle stazioni in base alla variabilità climatica.
 
Enlarge/Shrink Open in Viewer

Basandosi su questi presupposti e disponendo del DTM (modello digitale del terreno) del Veneto e delle aree di confine, si è proceduto all’elaborazione del modello di latitudine e di distanza dal mare, in modo da correlare nel cokriging la variabilità climatica con le caratteristiche geomorfologiche del territorio. La tabella di output della PCA, contenente i valori delle componenti principali, è stata caricata in GIS. I valori delle componenti (Prin1 e Prin2) sono stati interpolati sul territorio regionale tramite un’ordinary cokriging. Le interpolazioni sono state trasformate in formato vettoriale e intersecate tra loro. Così facendo è stata generata una zonizzazione grezza del territorio che è servita da base per la creazione della mappa finale. Le classi sono state poi ridotte seguendo come criteri la vicinanza geografica, l’orografia e la significatività del raggruppamento in base alla variazione dei parametri. Le stazioni usate per l’analisi, sovrapposte alla mappa, determinano il raggruppamento in 11 aree climaticamente omogenee (Fig. 2B), diverse per il tipo di regime termopluviometrico, numerosità che si è ritenuta ottimale per le capacità gestionali del sistema Regionale Antincendi Boschivi.

Scelta delle stazioni più rappresentative

Per ogni area climatica è stata condotta un’analisi dei residui, intesa come differenza tra il valore di ogni parametro delle stazioni dell’ex Ufficio Idrografico dalla media riscontrata nell’area climatica di appartenenza. Questo tipo di analisi permette di ordinare le stazioni per grado di rappresentatività. Le stazioni dell’ARPAV, che fornisco i dati di input, non corrispondono a quelle dell’ex Ufficio Idrografico. Le stazioni meteorologiche in telemisura dell’ARPAV, in grado di fornire i dati di input in tempo reale, appartengono infatti ad una sistema di monitoraggio diverso rispetto alla rete di stazioni storiche dell’ex S.I.M.N. dotate di strumentazione meccanica a lettura manuale ([1]).

Le stazioni ARPAV sono state scelte in base alla prossimità rispetto alle stazioni più rappresentative dell’ex Ufficio Idrografico e in base alla similitudine tra le quote. La metodologia adottata prevede l’identificazione dell’andamento medio dei tre parametri climatici per ogni gruppo di stazioni o classe climatica e della retta di regressione tra media del gruppo e dati misurati (stazioni presenti nel gruppo); il calcolo della somma dei residui per ogni stazione all’interno dello stesso gruppo; la distribuzione dei residui attorno alla retta di regressione e l’eliminazione degli outlayers; la classificazione delle stazioni in base al valore medio dei residui calcolato dopo l’eliminazione degli outlayers. Al diminuire di questo valore cresce la vicinanza della stazione alla condizione climatica media e quindi il suo grado di rappresentatività.

Accanto al valore medio dei residui, la deviazione standard indica se la stazione si approssima alla media del gruppo in modo costante durante tutto l’anno. Se la deviazione standard ha un valore elevato significa che la media della stazione non è sempre simile alla media dell’area. In questo caso la scelta migliore ricade su una stazione che abbia una deviazione minore anche se possiede un residuo medio leggermente maggiore.

Risultati 

Nell’indagine climatica effettuata sono state sufficienti due sole componenti principali che spiegano una percentuale di variabilità del 92%. L’analisi scelta come base per la zonizzazione è quella che utilizza l’intero dataset e permette di produrre un quadro di sintesi chiaro e valido per tutto l’anno. La prima componente PC1 rappresenta l’ordinamento delle stazioni in base alla temperatura e il 68% della variabilità. La seconda componente PC2 rappresenta invece la precipitazione e spiega il 24% della variabilità. Su ciascun asse, più il valore tra due stazioni è simile, più queste stazioni hanno andamenti climatici simili (Fig. 3).

Il raggruppamento delle stazioni, passando attraverso l’interpolazione dei risultati prodotti dalla PCA, ha generato una prima zonizzazione del territorio in 17 aree, che sono poi state ridotte a 11 per non frammentare eccessivamente il territorio. La Fig. 3B illustra come si distribuiscono le stazioni ARPAV nella zonizzazione climatica del Veneto. Sono queste le stazioni che rilevano i dati da utilizzare per il calcolo di FWI e che sono state confrontate con le stazioni dell’ex Ufficio Idrografico indicate come più rappresentative dall’analisi dei residui (Tab. 1). Dopo una prima individuazione delle possibili stazioni ARPAV si è chiesto un confronto con i tecnici che hanno proposto quelle che avevano le migliori caratteristiche. La scelta definitiva delle stazioni ARPAV deriva da un confronto con i tecnici dell’ARPAV di Teolo.

Tab. 1 - Stazioni dell’ex Ufficio Idrografico del Magistrato alle Acque di Venezia ordinate per grado di rappresentatività rispetto all’area climatica di appartenenza.
Area Stazione Somma residui Residuo medio Deviazione Standard
1 Corvara 11.8537 0.3292 0.2933
Longiaru 17.7045 0.4917 0.2980
Arabba 19.1317 0.5797 0.4695
Misurina 21.7718 0.6047 0.5245
S. Cassiano 25.0069 0.7355 0.6312
2 Sesto 11.7612 0.3360 0.4254
S. Vito di Braies 15.6858 0.4357 0.4877
Dobbiacco 24.5537 0.7015 0.7333
Andraz 25.3416 0.7240 0.5480
Cortina 29.4163 0.8404 0.6295
3 Falcade 6.924 0.1923 0.1719
Mareson 12.7539 0.3542 0.2499
Auronzo 12.6378 0.3610 0.3728
Pontarso 13.7217 0.3811 0.4244
S. Stefano 15.3172 0.4641 0.3974
S. Martino 17.9898 0.4997 0.2905
Bezzecca 19.1877 0.5329 0.4696
Caprile 21.8087 0.6058 0.4617
Ronzo 22.1661 0.6157 0.5839
Sappada 22.541 0.6830 0.4402
Brentonico 28.6979 0.8440 0.5970
Costabrunella 36.2053 1.0648 0.6176
Levico 39.8262 1.1062 0.5865
4 Sauris 6.0047 0.1668 0.1731
Gosaldo 6.7054 0.1862 0.1759
Forni avoltri 14.4318 0.4008 0.2446
Forni di sopra 17.3015 0.4806 0.2594
Passo mauria 17.044 0.5012 0.4670
Foza 18.3995 0.5411 0.5934
Pieve tesino 32.242 0.8956 0.3895
Monte grappa 32.3677 1.0114 0.4950
5 Forno di zoldo 16.8939 0.4692 0.4747
Lavarone 18.6041 0.5167 0.2668
Asiago 19.5994 0.5444 0.4979
Folgaria 21.2096 0.5891 0.4333
Cimolais 21.3642 0.5934 0.4211
Tonezza 20.4618 0.6018 0.5295
Agordo 21.6934 0.6026 0.3722
Fortogna 27.8168 0.7726 0.6404
Recoaro 34.5306 1.1138 0.7350
6 Claut 17.1982 0.4777 0.2491
La crosetta 20.6076 0.6061 0.5150
Barcis 26.793 0.7442 0.5749
7 Thiene 18.1853 0.5051 0.4421
Conegliano 18.8765 0.5720 0.4611
Bassano 24.5888 0.6830 0.3891
Crosara 25.7677 0.7362 0.5636
8 Castelfranco 16.7795 0.4661 0.3669
Portogruaro 19.1782 0.5327 0.5536
Vicenza 20.5145 0.6033 0.6620
Treviso 27.2651 0.7573 0.8725
9 Torbole - - -
10 Venezia 10.7017 0.2972 0.2874
Villafranca V. 13.6958 0.3913 0.5173
ColognaV. 17.532 0.4870 0.4174
Lonigo 16.7421 0.4924 0.4340
Bovolone 20.1208 0.5589 0.4779
Mestre 21.3027 0.5917 0.6371
Chioggia 29.5314 0.8948 0.6858
11 Rovigo 14.8062 0.4112 0.4789
Badia polesine 17.7349 0.5067 0.4303
Sadocca 29.5562 0.8444 0.6969
Enlarge/Shrink Open in Viewer

Fase II: calcolo automatico di FWI e restituzione dei risultati 

Il sistema di calcolo dell’indice si compone di quattro parti (Fig. 4):

Fig. 4 - Diagramma di flusso del sistema di calcolo dell’indice.
 
Enlarge/Shrink Open in Viewer
  • trasferimento e acquisizione dei dati di input;
  • calcolo dell’indice;
  • spazializzazione dell’indice e generazione degli output;
  • diffusione dei risultati.

Il file di input viene inviato dall’ARPAV dopo le 13 al Centro Informatico della Regione Veneto. Il sistema acquisisce i dati automaticamente più volte al giorno e genera l’indice. I valori delle variabili meteo possono essere visualizzati dal Servizio Antincendi Boschivi attraverso un grafico che rappresenta l’andamento giornaliero nell’arco dell’ultimo mese, fornendo un ulteriore strumento di controllo e di supporto decisionale.

Poiché l’ARPAV ha segnalato una probabilità pari al 3.5% di mancato invio dei dati (per ogni stazione), è stata predisposta una sezione di programma contenente 11 modelli di regressione, per sopperire ad eventuali discontinuità nei dati di input. Per ogni area si è trovata la stazione meglio correlata per ognuno dei 4 dati meteo di input. In prospettiva si prevede il ricorso a 11 ulteriori stazioni di supporto con la funzione di tamponare, quando necessario, queste discontinuità.

Programmazione in SAS

Gli algoritmi di calcolo, provenienti dal Canadian Forest Service (Alberta, Canada), nonché le procedure necessarie all’acquisizione dei dati e alla generazione degli output vengono eseguiti dal pacchetto statistico SAS v. 9.1®. La programmazione in SAS presenta una serie di vantaggi legati alla flessibilità del linguaggio e alla possibilità di unire una varietà di output grafici al calcolo tabulato dell’indice. Nel caso di applicazioni legate al territorio, la possibilità di generare mappe diventa necessaria per acquisire una visione d’insieme della situazione di pericolo d’incendio, nonché per prendere decisioni in merito alle strutture da attivare e al loro dislocamento all’interno del territorio regionale.

In base alla data che è stata scelta per il calcolo dell’indice, il sistema importa il corrispondente file di dati meteorologici e un file prodotto il giorno prima, nel quale si trovano i valori delle tre componenti dell’indice canadese (FFMC, DMC, DC) necessarie a definire le condizioni iniziali di umidità dei combustibili fini, medi e grossolani. Trattandosi di un indice cumulato, è impossibile calcolare FWI prescindendo dai valori del giorno precedente. In questa fase vengono generati 11 valori dell’indice corrispondenti alle 11 stazioni meteorologiche che forniscono i dati di input alle 11 aree omogenee. I valori calcolati per ogni stazione vengono aggregati all’interno di un’unica tabella visualizzabile dall’utente in formato html (Fig. 5). Le tabelle prodotte vengono memorizzate in uno storico che conserva tutti i dati per ogni giorno in cui l’indice è stato calcolato e che viene aggiornato automaticamente dal sistema. Esso rappresenta il database di riferimento per qualsiasi indagine statistica si voglia intraprendere sull’andamento dell’indice nel medio - lungo periodo e per la fase di taratura dell’indice stesso.

Fig. 5 - Mappa del grado di pericolo d’incendio per l’intera regione Veneto.
 
Enlarge/Shrink Open in Viewer

Ultimata la fase di calcolo, il sistema genera diversi tipi di output destinati all’utente: i valori tabellari dell’indice e delle sue componenti nelle diverse aree omogenee; i grafici dell’andamento dell’indice nell’ultimo mese con possibilità di visualizzare l’andamento di ogni area climaticamente omogenea; la mappa del grado di pericolo per tutta la regione o per i singoli Servizi Forestali.

L’automazione della mappa di pericolo è stata eseguita utilizzando la procedura GMAP di SAS 9.1®. Il programma, tramite un file di testo contenente le coordinate delle aree omogenee, rappresenta i punti che definiscono i poligoni-area come se giacessero su un piano cartesiano, e associa a questi poligoni il valore dell’indice. A seconda del valore assunto dall’indice il poligono assume un colore associato a sua volta al grado di pericolo (Fig. 5). Oltre alla mappa dell’intera regione sono state predisposte cinque ulteriori visualizzazioni corrispondenti alle aree di pertinenza dei SFR (Servizi Forestali Regionali). A differenza della mappa regionale, le mappe parziali dei Servizi contengono i confini amministrativi dei comuni, che aiutano il personale operativo ad individuare tempestivamente i comuni soggetti a maggiore pericolo d’incendio e ad agire di conseguenza (Fig. 6).

Fig. 6 - Mappa del grado di pericolo d’incendio boschivo per il Servizio Forestale di Verona.
 
Enlarge/Shrink Open in Viewer

La diffusione dei risultati avviene per consultazione, da parte delle diverse realtà amministrative, della intranet regionale, in cui è stata predisposta una pagina web per la visualizzazione dell’indice.

Scala di variazione dell’indice e grado di pericolo

Il calcolo del Fire Weather Index produce valori numerici a scala di variazione continua da ricondurre a determinate classi di pericolo d’incendio, che variano in base al mese. La scala che è stata applicata in questo studio (Tab. 2) proviene dal Nucleo Antincendi Boschivi della Regione Autonoma Valle d’Aosta ([7]) e si compone di 7 classi di pericolo in cui i valori soglia di FWI variano mensilmente. La scala valdostana è stata messa a punto nell’ambito del Piano per la prevenzione e lo spegnimento degli incendi boschivi, attualmente in vigore ([7]). In Valle d’Aosta l’applicazione di questi valori soglia ha restituito risultati soddisfacenti adattandosi pienamente all’ambiente alpino. Se si considera che in Veneto la percentuale più consistente di superficie forestale ricopre la fascia alpina e pre-alpina (Fig. 7), l’utilizzo di questi valori è verosimile. Una taratura specifica delle soglie da adottare in Veneto sarà ultimata nel prossimo futuro utilizzando i valori del Fire Weather Index prodotti dal sistema di calcolo della Regione Veneto.

Tab. 2 - Scala di variazione di FWI e classi di pericolo d’incendio boschivo. Fonte: Regione Autonoma Valle d’Aosta ([7]).
Classe di
Pericolo
Gen Feb Mar Apr Mag Giu Lug Ago Set Ott Nov Dic
ESTREMO >26 >30 >43 >58 >64 >67 >68 >73 >67 >52 >40 >37
MOLTO ALTO 18-26 20-30 27-43 36-58 41-64 39-67 41-68 43-73 40-67 32-52 26-40 24-37
ALTO 11-17 13-19 16-26 21-35 23-40 22-38 23-40 24-42 23-39 19-31 16-25 15-23
MEDIO 7-10 8-12 9-15 11-20 13-22 12-21 13-22 13-23 12-22 11-18 9-15 9-14
BASSO 4-6 4-7 5-8 6-10 6-12 6-11 6-12 7-12 6-11 6-10 5-8 5-8
MOLTO BASSO 2-3 2-3 3-4 3-5 3-5 3-5 2-5 3-6 3-5 3-5 2-4 2-4
MINIMO 0-1 0-1 0-2 0-2 0-2 0-2 0-2 0-2 0-2 0-2 0-1 0 -1
Enlarge/Shrink Open in Viewer
Fig. 7 - Carta Forestale della Regione Veneto (aggiornata al 2003) sovrapposta al modello digitale del terreno corrispondente. Fonte: Regione Veneto ([8]).
 
Enlarge/Shrink Open in Viewer

Conclusioni 

L’impiego di un indice di pericolo d’incendio boschivo da parte del Servizio Antincendi Boschivi della Regione Veneto è un passo obbligato affinché questi possa allinearsi ai moderni servizi antincendi boschivi. Questa iniziativa permetterà di analizzare il funzionamento dell’indice canadese nel territorio della Regione Veneto e fornirà un dataset consistente sul quale tarare le classi di pericolo all’andamento degli incendi nella regione.

Da un punto di vista operativo è essenziale la definizione delle procedure operative che dovranno essere associate a ciascuna classe di pericolo e saranno costituite da procedure di emergenza e mobilitazione del personale, avvistamento e controllo.

La veste dell’applicativo di calcolo, accessibile tramite internet anche a livello periferico, rende questo strumento facilmente consultabile e fornisce direttamente gli output in una forma grafica intuitiva. La possibilità per l’ufficio centrale di calcolare manualmente l’indice e di visualizzare gli input, garantisce il controllo del sistema e l’interazione con esso.

Il progetto è stato svolto privilegiando una prospettiva dinamica di sviluppo e miglioramento del prodotto. In questa chiave rimane strategica la possibilità di produrre anche la previsione del pericolo d’incendio a 1 o 2 giorni per una programmazione ottimale delle azioni di contrasto degli incendi boschivi in Veneto.

Ringraziamenti 

La ricerca è stata finanziata nell’ambito di applicazione del Regolamento CE-2152/2001 “Forest Focus” nella Regione Veneto, che ha permesso la stipula di una convenzione tra la Direzione Foreste ed Economia Montana e il Dipartimento Territorio e Sistemi Agro-Forestali dell’Università degli Studi di Padova dal titolo: “Realizzazione di un sistema di calcolo dell’indice di pericolo canadese (FWI) spazializzato per la Regione Veneto”. Si ringraziano Giancarlo Cesti del Corpo Forestale della Regione Autonoma Valle d’Aosta, per gli utilissimi consigli sulla predisposizione dell’indice e Wolfgang Schönere il Central Institute of Meteorology and Geodynamics di Vienna per i suggerimenti relativi all’analisi climatica e per i dati di temperatura mensile.

Bibliografia

(1)
ARPAV (2000). La caratterizzazione climatica della Regione Veneto. Area Ricerca e Informazione, Dipartimento per il sistema informativo e l’Educazione Ambientale, Regione Veneto.
::Google Scholar::
(2)
Brown JK (1982). Fuel and fire behaviour prediction in big sagebrush. U.S. Department of Agriculture, Forest Service, Intermountain Forest and Range Experiment Station. Res. Pap. INT-197, Ogden, Utah, pp. 56.
::Online::Google Scholar::
(3)
Camia A, Bovio G, Aguado A, Stach N (1999). Meteorological fire danger indices and remote sensing. In: “Remote Sensing of Large Wildfires in the European Mediterranean Basin” (Chuvieco E ed). Springer-Verlag. 39-59.
::Google Scholar::
(4)
Gozzini B, Crisci A, Bertini D, Maselli F, Meneguzzo F, Zipoli G, Paniagua S, Perarnaud V, Diepen K van, Boogaard HL, Courault D, Delecolle R (2000). Cooperation and comparison of several interpolation methods of meteorological data (minimum temperature). In: “Dealing on spatialisation” (Gozzini B, Paniagua S eds). EUR 19545, COST 79, European Commission, Luxembourg.
::Google Scholar::
(5)
Maracchi G, Meneguzzo F, Crisci A, Barcaioli G, Magno R, Piani F (2004). Scenari climatici futuri e supporto alla valutazione degli impatti sull’agricoltura toscana. Rapporto finale. CNR, Istituto di Biometeorologia, Firenze.
::Google Scholar::
(6)
Maracchi G, Genesio L, Magno R, Ferrari R, Crisci A, Bottai L (2005). Progetto DesertNet: Programma Interreg III B (MEDOCC) - Asse 4 Misura 4, WP A10 - Azione pilota in Toscana “I diagrammi del clima in Toscana”. Rapporto Finale Giugno 2005, LaMMA-CRES in collaborazione con il LAMMA, coordinati dal CNR-IBIMET, Firenze.
::Google Scholar::
(7)
Regione Autonoma Valle d’Aosta (2005). Piano per la prevenzione e lo spegnimento degli incendi boschivi. Servizio Selvicoltura, Difesa e Gestione del Patrimonio Forestale, Assessorato Agricoltura, Foreste e Ambiente naturale.
::Google Scholar::
(8)
Regione Veneto (2006). Carta Regionale dei tipi forestali: documento base. Direzione Foreste ed Economia Montana in collaborazione con l’Accademia Italiana di Scienze Forestali.
::Google Scholar::
(9)
Sboarina C, Cescatti A (2004). Il clima del Trentino. Provincia Autonoma di Bolzano, Centro di Ecologia Alpina, Report n. 33, Trento.
::Google Scholar::
(10)
Taylor SW, Alexander ME (2006). Science, technology, and human factors in fire danger rating: the Canadian experience. International Journal of Wildland Fire 15: 121-135.
::CrossRef::Google Scholar::
(11)
Van Wagner CE (1987). Development and structure of the Canadian forest fire weather index system. Forestry Technical Report 35, Government of Canada, Canadian Forestry Service, Ottawa.
::Google Scholar::

Authors’ Address

(1)
E. Valese, T. Anfodillo, S. Rossi, V. Carraro, A. Deslauriers, M. Carrer
Dipartimento Territorio e Sistemi Agro-forestali, Università degli Studi di Padova, v.le dell’Università 16, I-35020 Legnaro (PD - Italy)
(2)
M. Monai
ARPAV, Dipartimento Regionale per la Sicurezza del Territorio, Centro Meteorologico di Teolo, v. G. Marconi 55, I-35037 Teolo (PD - Italy)
(3)
A. Lemessi, E. Ramon
Servizio Antincendi Boschivi della Regione Veneto, Direzione Foreste ed Economia Montana, v. Torino 110, I-30172 Mestre (VE - Italy)

Corresponding Author

 

Paper Info & Web Metrics

Citation:
Valese E, Anfodillo T, Rossi S, Carraro V, Deslauriers A, Carrer M, Monai M, Lemessi A, Ramon E (2008). Realizzazione di un sistema di calcolo e di spazializzazione dell’indice canadese di pericolo d’incendio boschivo FWI (Fire Weather Index) per la Regione Veneto. Forest@ 5: 176-186. - doi: 10.3832/efor0526-0050176

Academic Editor: Marco Borghetti

Paper’s History

Received: Dec 03, 2007
Accepted: Apr 23, 2008
Early Published: -
Publishing Date: Jun 20, 2008

(Waiting for server response...)

Article Usage

Total Article Views: 16304
(from publication date up to now)

Breakdown by View Type
HTML Page Views: 12409
Abstract Page Views: 633
PDF Downloads: 2339
Citation Downloads: 66
XML Downloads: 588

Web Metrics
Days since publication: 3894
Overall contacts: 16304
Avg. contacts per week: 29.31

 

Paper Figures

Cited by

 
Close

 

 
´
Licenza Creative Commons
© SISEF - All the material included on this site is distributed under the license Creative Commons Attribution-NonCommercial 4.0 International.
 
© 2004-2018 SISEF
Editor-in-chief : Marco Borghetti (UNIBAS, Italy)
Web Manager: Gabriele Bucci (IBBR-FI/CNR, Italy)
Reg. Trib. PR no. 16/2004 - ISSN 1824-0119 
Close

Contents