POLITECNICO DI TORINO

I FACOLTA DI INGEGNERIA

QUADERNO DI IDROLOGIA

Prof. Claps Pierluigi

Ignazzi Andrea Angelo 199889

Anno Accademico: 2013/14

ESERCITAZIONE 1: ANALISI ESPLORATIVA DI UNA SERIE DI DATI

Fornitici due serie storiche di massimi annui di portata registrate nelle stazioni del Chisone a San
Martino e a Pragelato si sono svolte le seguenti operazioni:
1) Tracciamento del diagramma cronologico della serie:
1600
1400

Q [m^3/s]

1200
1000
800
600
400
200
0

Anno

Figura 1. Diagramma cronologico Chisone San Martino

160
140

Q [m^3/s]

120
100
80
60
40
20
0
1955 1957 1959 1962 1964 1966 1970 1972 1974 1976 1980 1982 1985
Anno

Figura 2. Diagramma cronologico Pragelato

2) Tracciamento del diagramma a punti:

0,1

0
0

200

400

600

800

1000

1200

1400

120

140

Q [m^3/s]

-0,1

Figura 3. Diagramma a punti Chisone San Martino

0,1

0
0

20

40

60

80

100

Q [m^3/s]

-0,1

Figura 4. Diagramma a punti Pragelato

3) Tracciamento del digramma delle frequenze assolute e relative:

ordinate in senso crescente gli elementi del campione, si diviso lintervallo [xmin, xmax] in k
classi di uguale ampiezza attraverso la seguente relazione:
[1 + 3.3 log ( )]
=
Dove N il numero di dati.
- Chisone San Martino:
= 33 dal quale otteniamo tramite la precedente relazione il numero di classi = 6
di ampiezza
=
= 245.83 / .
Per determinare la frequenza assoluta si sono contano quanti valori ricadono
allinterno di ogni classe ricavandone cos il diagramma di frequenza assoluta:

30

Frequenze Assolute

25
20
15
10
5
0
1

Classi

Figura 5. Diagramma frequenza assoluta Chisone San Martino

Partendo dalla frequenza assoluta si ottenuta la frequenza relativa come:

0,80

Frequenze Relative

0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
1

Classi

Figura 6. Diagramma frequenza relativa Chisone San Martino

Pragelato:
con procedimento analogo al caso precedente si sono ottenuti i risultati seguenti:
= 26, = 5,
= 22.40 /

12

Frequenze Assolute

10
8
6
4
2
0
1

3
Classi

Figura 7. Diagramma frequenza assolta Pragelato

0,45

Frequenze Relative

0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
1

Classi

Figura 8. Diagramma frequenza relativa Pragelato

4) Calcolo dei valori centrali e dei momenti campionari:

- Media campionaria: =
=

Varianza campionaria:

Varianza campionaria indistorta:

Scarto quadratico medio:

Coefficiente di asimmetria (skewness):

Coefficiente di asimmetria indistorto:

=(

)(

Media Campionaria
Varianza campionaria
Varianza Campionaria Indistorta
Scarto Quadratico medio
Coefficiente di asimmetria
Coefficinte di asimmetria idistorto

Chisone San Martino

Pragelato

267.6

62.2

77641.1

830.9

80067.4

864.2

278.6

28.8

2.86

1.00

3.14

1.13

Frequenze Cumulate

5) Costruzione del diagramma delle frequenze cumulate:

ordinati in senso crescente gli elementi del campione e associato a ciascun valore il
numero dordine i, si rappresentata la curva relativa alla frequenza di non superamento
usando lespressione ( ) = / .
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0

500

1000

1500

Q [m^3/s]

Frequenze Cumulate

Figura 9. Diagramma frequenza cumulata Chisone San Martino

1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0

50

100
Q [m^3/s]

Figura 10. Diagramma frequenza cumulata Pragelato

150

ESERCITAZIONE 2: Esempio introduttivo di inferenza statistica finalizzata alla stima della

grandezza di progetto
Oggetto dellesercitazione il rifacimento di un attraversamento stradale sul fiume
Chisone, in provincia di Torino. Il tratto di corso dacqua attraversato da tale viadotto posto in
localit San Martino. Sulla base della serie storica dei massimi annui dei colmi di piena osservati
dalla stazione di San Martino del fiume Chisone si deve stimare la massima portata delle piene
fluviali per assegnate probabilit di superamento.
Vengono riportati i dati delle osservazioni:
Anno

Q [m3/s]

1977

1493.00

1955

55.60

1993

230.00

1956

163.00

1994

370.00

1957

345.00

1997

150.00

1958

79.80

1998

170.00

1959

342.00

1999

420.00

1960

200.00

2000

850.00

1961

124.00

2001

220.00

1962

496.00

2002

210.00

1963

147.00

2003

120.00

1964

83.10

2004

80.00

1965

64.90

2005

170.00

1966

210.00

2006

185.00

1967

18.00

2007

160.00

1968

187.00

2008

670.00

1969

181.00

2009

228.00

1970

43.80

2010

365.00

1. Costruzione del diagramma delle frequenze cumulate e della curva di probabilit

cumulata della distribuzione normale (nel piano (X,F)).
Dopo aver disposto i valori delle portate in ordine crescente si associato ad ognuno di
essi un numero dordine i. Si stimata la frequenza empirica di non superamento
attraverso la seguente espressione: ( ) =
. Successivamente si creata la funzione
di probabilit cumulata Normale, attraverso la funzione MS Excel DISTRIB.NORM,
avendo determinato i parametri 1 e 2 con il metodo dei momenti.

=
=
Viene riportato di seguito la sovrapposizione del diagramma di frequenza cumulata con
la funzione di probabilit cumulata normale.
1,20

Frequenza cumulata

1,00
0,80
0,60
Frequenza
cumulata
Distribuzione
Normale

0,40
0,20
0,00
0

200

400

600

800
1000
Q [m^3/s]

1200

1400

1600

Figura 11. Sovrapposizione frequenza cumulata empirica - funzione di probabilit cumulata Normale

2. Rappresentazione della distribuzione di probabilit (pdf) normale in sovrapposizione al

diagramma delle frequenze relative di classe.
La distribuzione di probabilit normale stata ottenute attraverso la funzione MS Excel
DISTRIB.NORM. Per quanto riguarda la realizzazione del diagramma delle frequenze
relative di classe si innanzi tutto determinato il numero di classi nelle quali si sono
successivamente suddivisi i campioni, attraverso la seguente formula:
= 1 + 3.3
Dove k il numero degli intervalli di suddivisione ed N il numero totale dei campioni
osservati.
Dopo aver determinato k si determinata lampiezza dQ di ogni intervallo:
()
()
=
Per la serie di osservazioni oggetto della nostra esercitazione si sono ottenuti i seguenti
risultati:
=6
= 245.83
Con i parametri ottenuti si sono calcolate le frequenze assolute di classe, per poi
determinare le frequenze relative.
Viene riportato di seguito il risultato della sovrapposizione dei due grafici.

Frequenze relative di
classe
Distribuzione di
probabilit normale

0,0014

f (x)

0,0012

0,8
0,7
0,6

0,0010

0,5

0,0008

0,4

0,0006

0,3

0,0004

0,2

0,0002

0,1

0,0000
0

200

400

600

800 1000
Q [m^3/s]

1200

1400

Frequenza relativa

0,0016

0
1600

Figura 12. Sovrapposizione frequenza relativa - distribuzione di probabilit Normale

Verifica preliminare
3. Verifica grafica delladattamento della funzione di probabilit Normale al campione
attraverso la carta probabilistica normale.
Per poter rappresentare la funzione di probabilit Normale sulla carta probabilistica si
determinata la variabile ridotta u di ogni campione attraverso la seguente formula:

=
Una volta determinata la retta relativa alla distribuzione Normale si sono diagrammati i
valori di portata campionari ottenuti attraverso la funzione di MS Excel INV.NORM.ST.
Viene riportato di seguito il risultato ottenuto sulla carta probabilistica.
5
4
3

2
1
0
-1
-2
-3

200

400

600

800
1000
Q [m^3/s]

1200

1400

1600

Funzione di
probabilit
Normale

Figura 13. Adattamento della funzione di probabilit al campione

Dal grafico precedente si pu notare come la distribuzione normale non sia idonea alla
rappresentazione del campione in oggetto.

Definizione della condizione di progetto e stima del relativo quantile

4. Ipotizzando una vita utile N pari a 10 anni si calcoli il periodo di ritorno assegnando
Rn=5%, il valore di rischio Rn associato ad un periodo di ritorno fissato a 200 anni, e per
entrambi i casi si ricavi la portata di progetto ipotizzando valida la legge normale.
Dato il rischio residuale
= 1 1 Pr ( ) , dove
( ) la probabilit di
insuccesso (o di superamento) nota dalla seguente relazione:
1
1 = Pr( ) =
Dove
rappresenta la probabilit di successo (o di non superamento), cio la
probabilit che non avvenga un evento di rischio Rn durante la vita utile N.
Con i dati assegnati si sono ottenuti i risultati riportati nelle seguenti tabelle:
Rn

0.050

Pr(s) 0.0051

200

Pr(s)

0.005

195.46

Rn

0.049

0.9949

0.9950

Qp

994.22

Qp

996.47

Avendo verificato la non idoneit della distribuzione normale a rappresentare il campione

osservato, si proceder con lutilizzo delle distribuzioni Lognormale e di Gumbel per la
rappresentazione della serie storica dei massimi annui dei colmi di piena osservati alla stazione
San Martino sul fiume Chisone.
1. Stima dei parametri della distribuzione Lognormale e di Gumbel con il metodo dei momenti.
Attraverso lutilizzo del metodo dei momenti si sono stimati i parametri delle due
distribuzioni. Per la distribuzione Lognormale i parametri sono stati ottenuti attraverso
lutilizzo della funzione MS Excel DISTRIB.LOGNORM, utilizzando i parametri 1 e 2 stimati
con il metodo dei momenti, utilizzando come valori i logaritmi delle portate osservate:
=
=
Per quanto riguarda la distribuzione di Gumbel i parametri 1 e 2 si sono ottenuti
attraverso le seguenti formule:
= 0.5772 6
= 6
2. Stima dei parametri della distribuzione Lognormale e di Gumbel con il metodo degli Lmomenti.
Il metodo degli L-momenti un modo alternativo di descrivere la forma delle distribuzioni
di probabilit. Gli L-momenti derivano dai momenti pesati in probabilit (PWM).
Per poter determinare i parametri 1 e 2 si sono determinati i PWN campionari e
succesivamente gli L-momenti campionari, utilizzando le seguenti formule:

1
:

( 1)
( 1)

=
=2
Per la distribuzione Lognormale:
=
=
Per la distribuzione di Gumbel:
=

0.5772
= log 2
3. Verifica grafica delladattamento al campione della funzione di probabilit Lognormale, con
i parametri stimati sia con il metodo dei momenti che con il metodo degli L-momenti,
attraverso lutilizzo della carta probabilistica.
Per la rappresentazione grafica della funzione di probabilit Lognormale sulla carta
probabilistica si passati alla variabile ridotta u attraverso la seguente formula:

=
I parametri 1 e 2 sono stati determinati, a seconda del metodo utilizzato, come illustrato
nei precedenti punti.
Vengono riportati di seguito le carte probabilistiche ottenute.
3
2

1
0
1

10

100

1000

-1
-2
-3

Q [m^3/s]

Figura 14. Carta probabilistica distribuzione Log-normale - Momenti

10000

3
2

1
0
1

10

100

1000

10000

-1
-2
-3

Q [m^3/s]

Figura 15. Carta probabilistica distribuzione Log-normale - L-Momenti

La distribuzione Lognormale si adatta bene a rappresentare i campioni di osservazione.

4. Verifica grafica delladattamento al campione della funzione di probabilit di Gumbel, con i
parametri stimati sia con il metodo dei momenti che con il metodo degli L-momenti,
attraverso lutilizzo della carta probabilistica.
Anche per la rappresentazione della funzione di probabilit di Gumbel si utilizzata la
variabile ridotta u rappresentata attraverso i parametri 1 e 2.
Di seguito sono vengono riportate le carte probabilistiche ottenute.
7
6
5
4

3
2
1
0
-1 0

200

400

600

800

1000

1200

1400

-2
-3

Q [m^3/s]

Figura 16. Carta probabilistica distribuzione di Gumbel - Momenti

1600

4
3
2

1
0
0

500

1000

1500

2000

-1
-2

Q [m^3/s]

-3
Figura 17. Carta probabilistica distribuzione di Gumbel - L-Momenti

La distribuzione di Gumbel non risulta essere molto adatta alla rappresentazione dei
campioni di osservazioni.
5. Stima delle portate di progetto Xt su entrambe le distribuzioni (con parametri stimati nei
due modi) per valori di periodo di ritorno T pari a 50, 100, 200 anni.
Date le seguenti relazioni:
= 1 1 Pr ( )
1
1 = Pr( ) =
Per la stima delle portate di progetto attraverso la distribuzione Lognormale si utilizzata
la funzione di MS Excel INV.LOGNORM. Di seguito vengono riportati i valori ottenuti per i
diversi periodi di ritorno.
LOG NORMALE MOMENTI
50
100
T
T
T
0.02
0.01
Pr(s)
Pr(s)
Pr(s)
0.183
0.096
Rn
Rn
Rn
0.98
0.99
F
F
F
Qp 1114.52 Qp 1414.39 Qp

200
0.005
0.049
0.995
1759.03

LOG NORMALE L-MOMENTI

50
100
200
T
T
T
0.02
0.01
Pr(s)
Pr(s)
Pr(s) 0.005
0.183
0.096
0.049
Rn
Rn
Rn
0.98
0.99
0.995
F
F
F
Qp 1073.20 Qp 1355.14 Qp 1677.62

Per la stima delle portate di progetto attraverso la distribuzione di Gumbel si utilizzata la

seguente relazione:
( ) = [ ( )]
Vengono riportati i valori ottenuti.
GUMBEL MOMENTI
50
100
200
T
T
T
0.02
0.01
Pr(s)
Pr(s)
Pr(s) 0.005
0.183
0.096
0.049
Rn
Rn
Rn
0.98
0.99
0.995
F
F
F
Qp 1001.13 Qp 1155.17 Qp 1308.65

GUMBEL L-MOMENTI
50
100
200
T
T
T
Pr(s) 0.02 Pr(s) 0.01 Pr(s) 0.005
0.183
0.096
0.049
Rn
Rn
Rn
0.98
0.99
0.995
F
F
F
Qp 862.48 Qp 987.41 Qp 1111.88
Verifica visuale adattamento di distribuzione a 3 parametri
In prosecuzione delle fasi di identificazione svolte nei passaggi precedenti si consideri lipotesi di
lavoro che il campione osservato sia derivante da una distribuzione GEV.
Prima di procedere ad opportuna verifica si eseguano i seguenti passi per un controllo di
adattamento qualitativo:
1. Rappresentazione sul diagramma (ln(T), X) dei valori campionari e delle distribuzioni EVI
(Gumbel), Log Normale e GEV i cui parametri sono stati calcolati con il metodo degli Lmomenti.
Per la determinazione della distribuzione GEV, essendo una distribuzione a tre parametri,
in aggiunta ai parametri 1 e 2, per tale distribuzione si ricavato anche il parametro 3.
Anche in questo caso per poter determinare i parametri si sono innanzitutto ricavati i PWM
campionari b0, b1, b2 attraverso i quali si sono ricavati gli L-momenti campionari l1, l2, l3
tramite i quali si giunti ai parametri 1, 2 e 3. Vengono riportate di seguito le relazioni
utilizzate.
1
=
:
=
=

( 1)
( 1)

( 1)( 2)
( 1)( 2)
=
=2
=6 6 +

ln 2
3+
ln 3
7.8590 + 2.9554
=

=
=

(1 2

) (1 +

[ 1 (1 +

)]

Per poter determinare il valore di

di ogni distribuzione si dovuto determinare la
funzione di probabilit cumulata ( ). Utilizzando i parametri appena ricavati la funzione
( ) della distribuzione GEV risulta essere:

( )=
Per quanto riguarda le distribuzioni Log Normale e di Gumbel i sono stati utilizzati i
parametri ricavati con il metodo degli L-Momenti nella seconda parte dellesercitazione e,
la relativa funzione ( ) per la distribuzione Log Normale stata determinata utilizzando
la funzione di MS Excel DISTRIB.LOGNORM mentre per la distribuzione di Gumbel la
seguente relazione:
( )=
Per i valori campionari invece:
( )=

+1
Noti i valori della funzione di probabilit cumalata ( ) si ricava il tempo di ritorno:
1
=
1 ( )
Viene riportato di seguito il diagramma ottenuto.
1600
1400
1200

1000

Campioni
Log-Normale
Gumbel
GEV

800
600
400
200
0
1

10

100
ln T

Figura 18. Diagramma ln T, X

1000

10000

2. Stima delle portate di progetto XT sulla distribuzione GEV per valori di tempo di ritorno T
pari a 50, 100, 200.
Applicando le stesse relazioni viste in precedenza per le distribuzioni Log Normale e di
Gumbel, e utilizzando la seguente relazione per determinare
= +
1 ( ln )
si riportano di seguito i risultati ottenuti.
GEV L-MOMENTI
50
100
200
T
T
T
0.02
0.01
Pr(s)
Pr(s)
Pr(s) 0.005
0.183
0.096
0.049
Rn
Rn
Rn
0.98
0.99
0.995
F
F
F
Qp 1128.27 Qp 1543.26 Qp 2095.72
Verifica a scelta del modello probabilistico: Test del Chi Quadrato di Pearson e test di AndersonDarling
Considerando la serie storica dei massimi annui dei colmi di piena osservati alla stazione San
Martino del fiume Chisone, sottoporre le tre distribuzioni che hanno superato le verifiche
preliminari di adattamento, ovvero le distribuzioni Gumbel, Log Normale e GEV (con parametri
stimati col metodo degli L-Momenti), ai test di adattamento del Chi Quadrato e di AndersonDarling, adottando un livello di significativit del 5%.
Per ciascun caso esaminato, relativamente al solo test Chi Quadrato, determinare il valore di
che:
-

Nel caso di superamento del test, determinerebbe il limite di non-superamento;

Nel caso di non superamento, ne determinerebbe il superamento.

1. Test di Pearson o del 2

Il test di Pearson richiede che il campo di esistenza della variabile x venga suddiviso in k
intervalli che si escludono a vicenda. Noto il numero di elementi = 33 possibile
ricavare il numero di intervalli = 2 . = 8.
- LOG-NORMALE: la distribuzione Log-Normale caratterizzata da un numero di
parametri = 2. possibile determinare di conseguenza i gradi di libert =
1 = 5. Noto il livello di significativit = 5% e i gradi di libert = 5 possibile
ricavare il valore limite attraverso la tabella del 2 oppure sfruttando la funzione di MS
Excel INV.CHI, ottenendo
= 11.07.
Procedendo con lo sviluppo del test si determinata la probabilit di ogni singolo
intervallo
= = 0.125, e utilizzando la funzione di MS Excel INV.LOGNORM
possibile determinare gli estremi
,
di ogni intervallo. Indicando con
il
numero di elementi appartenenti allintervallo i-esimo possibile determinare il valore
di 2 come:
=

Nella tabella seguente vengono indicati i risultati ottenuti.

Int
1
2
3
4
5
6
7
8

Finf
0
0.125
0.25
0.375
0.5
0.625
0.75
0.875

Fsup
0.125
0.25
0.375
0.5
0.625
0.75
0.875
1

xinf
xsup
ni
69.18
4
69.18 103.95 3
103.95 140.95 2
140.95 185.13 8
185.13 243.16 7
243.16 329.71 0
329.71 495.41 5
495.41 1493.00 4

i
0.0038
0.3068
1.0947
3.6402
2.0038
4.1250
0.1856
0.0038

Si ottiene pertanto
= 11.36 che risulta essere maggiore del valore di
e, di conseguenza, la distribuzione Log Normale non verifica il test del 2.

= 11.07

Sfruttando la funzione di MS Excel INV.CHI possibile determinare, per tentativi, il

valore limite del livello di significativit affinch il test risulti verificato. Assumendo
un valore di
= 4% si ottiene
= 11.64 valore di soglia. Avendo diminuito il
livello di significativit il test risulter meno attendibile.
-

GUMBEL: la distribuzione di Gumbel caratterizzata, anchessa, da un numero di

parametri = 2. Di conseguenza, come gi svolto in precedenza per la distribuzione
Log Normale, il grado di libert risulta essere = 5 e, il valore di
risulta essere
= 11.07. Utilizzando lo stesso procedimento svolto in precedenza per la
distribuzione Log Normale, determinando per gli estremi degli intervalli
,
attraverso la seguente formula
( ) = [ ( )]
vengono riportati di seguito i risultati ottenuti.
Int
1
2
3
4
5
6
7
8

Finf
0
0.125
0.25
0.375
0.5
0.625
0.75
0.875

Fsup
0.125
0.25
0.375
0.5
0.625
0.75
0.875
1

xinf
xsup
ni
i
33.35
1 2.3674
33.35 105.90 6 0.8523
105.90 167.80 6 0.8523
167.80 229.92 10 8.3674
229.92 299.43 1 2.3674
299.43 387.26 4 0.0038
387.26 524.58 2 1.0947
524.58 1493.00 3 0.3068

Si ottiene
= 16.21 maggiore del valore di
= 11.07 e, di conseguenza, la
2
distribuzione di Gumbel non verifica il test del .
Assumendo un valore di = 0.5% si ottiene
= 16.75 valore di soglia per il quale
2
la distribuzione di Gumbel verifica il test del .
-

GEV: la distribuzione GEV caratterizzata da un numero di parametri = 3. I gradi di

libert in questo caso saranno = 4, e il valore di
sar pari a
= 9.49.
Ripetendo il medesimo procedimento utilizzato per le distribuzioni precedenti e,
determinando gli estremi degli intervalli
,
attraverso la seguente formula
= +
1 ( ln )
vengono riportati di seguito i risultati ottenuti.

Int
1
2
3
4
5
6
7
8

Finf
0
0.125
0.25
0.375
0.5
0.625
0.75
0.875

Fsup
0.125
0.25
0.375
0.5
0.625
0.75
0.875
1

xinf
xsup
ni
75.72
4
75.72 108.66 3
108.66 141.51 2
141.51 179.58 6
179.58 229.23 8
229.23 304.61 1
304.61 458.10 5
458.10 1493.00 4

i
0.0038
0.3068
1.0947
0.8523
3.6402
2.3674
0.1856
0.0038

Si ottiene
= 8.45 minore del valore di
= 9.49 e, di conseguenza, la
2
distribuzione GEV verifica il test del .
Assumendo un valore di
= 8% si ottiene
= 8.34 valore di soglia per il quale la
distribuzione di Gumbel non verifica il test del 2.
2. Test di Anderson-Darling
Il test di Anderson-Darling basato sulla valutazione dello scostamento tra la distribuzione
ipotetica, ( ) e la funzione di frequenza cumulata ( ), utilizzando una funzione di
peso atta ad attribuire maggiore importanza agli scostamenti sulle code delle due
distribuzioni, attraverso il seguente test statistic:
[ ( )

( )]

( )

La statistica di Anderson-Darling viene calcolata utilizzando la seguente espressione, che

consente di evitare di dover calcolare lintegrale visto sopra ogni volta che s vuole fare il
test:
1
(2 1) ln ( ) + (2 + 1 2 ) ln 1 ( )
=
Nelle applicazioni pratiche conviene trasformare la variabile
relazioni:
= 0.0403 + 0.116
= 0.0403 + 0.116
Dove

, ed

0.2

tramite le seguenti

1.2
.

0.2

1.2

>

sono coefficienti diversi per ogni distribuzione, tabulati:

Figura 19. Laio (2004)

Una volta effettuata la trasformazione di cui sopra, lipotesi pu essere accettata se

minore di 0.347 (con = 0.10), 0.461 (con = 0.05) e 0.743 (con = 0.01).

LOG NORMALE: noti i valori di ( ), ricavati attraverso il metodo degli L-Momenti, si

sono ricavati i parametri da utilizzare per determinare il valore di :
0.4193
A2
0.167
p
0.229
p
1.147
p
1.2 p 0.2004

Essendo 1.2
si ottiene:
= 0.172 <
= 0.461. Il test risulta essere
verificato.
GUMBEL: utilizzando i valori di ( ), ricavati attraverso la distribuzione di Gumbel
attraverso il metodo degli L-Momenti, si sono ottenuti i seguenti risultati:
1.5073
A2
0.169
p
0.229
p
1.141
p
1.2 p 0.2028

Essendo 1.2
si ottiene: = 1.277 >
= 0.461. Il test non risulta essere
verificato.
GEV: utilizzando i valori di ( ), ricavati attraverso la distribuzione GEV attraverso il
metodo degli L-Momenti, si sono ottenuti i seguenti risultati:
0.3611
A2
0.143
p
0.183
p
1.198
p
0.1721
1.2 p
Essendo 1.2
verificato.

si ottiene:

= 0.188 <

= 0.461. Il test risulta essere

CONCLUSIONI:
La distribuzione GEV risulta essere quella che rappresenta al meglio il campione in oggetto, in
quanto risulta verificare entrambi i test statistici effettuati.

ESERCITAZIONE 3: Stima delle curve di possibilit pluviometrica (CPP)

La presente esercitazione ha come scopo quello di determinare le curve di possibilit
pluviometrica (CPP) per la stazione pluviografica di Pragelato, nel bacino del Chisone.
Nella tabella 1 sono riportati i valori delle altezze di pioggia massima annuale (mm) per le
durate = 1, 3, 6, 12, 24 ore nel periodo di osservazione 1955-1986.
Tabella 1. Dati pluviometrici della stazione di Pragelato

Anno
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986

1h
7.8
11.2
17
10
15.2
11
13.4
13.2
22.8
9.6
10.8
13
11.6
10
9.6
17
11.2
30
12.2
12.6
12.4
11.2
8
18
16
9

3h
12
24.2
31
22
20
11
32.4
14.6
23
18
14.6
25
20.6
17
23
39
22.4
32
15.6
24
19.4
28.8
13.8
23.6
29
15

6h
18
34.6
46.8
30
32
16.2
50.4
23
30
34
17
34.4
21.8
27
35
61.8
39.8
32
28.4
40
19.4
56.4
24.4
24
41
25.2

12h 24h
27
30
57.6 69.8
63.4 114
41.6 41.8
59
75
20
27
88
113
41.8 49.6
46
58
51.2 60.6
30
35
41.6 41.6
29.4
36
43
63
67
79
92 106.8
59
59.6
47
57
49.4 80.6
44.6
51
25.4 38.2
86
139
32
34.2
26.8 30.8
49
49.4
43.6
77

La curva di possibilit pluviometrica si costruisce mediante il metodo della precipitazione

indice, utilizzando sia il modello probabilistico di Gumbel che il modello probabilistico GEV,
seguendo le seguenti fasi:
1. Si sono calcolati la media e lo scarto dei massimi annui dellaltezza di pioggia nelle diverse
durate . Si calcolato inoltre il valore del coefficiente di variazione .
- Media: =
;
-

Scarto quadratico medio:

) ;

- Coefficiente di variazione:
=
Vengono riportati di seguito i valori ottenuti.
1h
3h
6h
12h
24h
13.22 21.96 32.41 48.52 62.19
4.746 6.899 11.596 18.822 28.826
0.359 0.314 0.358 0.388 0.463

Usando il modello di regressione = , con = durata (ore) e = valore medio

annuo della precipitazione in ore, si sono stimati ed tramite regressione lineare sui
logaritmi. Si rappresenta su un diagramma in scala bi-logaritmica landamenti della
funzione mediante linea di tendenza e si stimano i valori di e .
100

h [mm]

y = 13,119x0,5017
R = 0,9957

10
1

10
d [h]

Figura 20. Diagramma dei massimi annui

Si ottiene:
= 13.119
= 0.5017

100

2. Per entrambi i modelli probabilistici si stimato il fattore di crescita della precipitazione

media ( ) in funzione dei periodi di ritorno
= 5, 10, 25, 50, 100 anni e,
successivamente, si diagrammata la legge di probabilit pluviometrica.
- GUMBEL: per il modello probabilistico di Gumbel si ha che
vale:
6
= 1
0.45 +
ln ln
1
Calcolando
come la media dei coefficienti di variazione di ogni durata,
= 0.376,
si pu procedere con il calcolo della legge di probabilit pluviometrica per i diversi
periodi di ritorno :
=
=

Vengono riportati di seguito i risultati ottenuti.

,
,
,
,
,

5
1.271
16.67
28.93
40.96
58.00
82.12

10
25
50
100
1.491 1.769 1.976 2.181
19.56 23.21 25.92 28.61
33.95 40.28 44.98 49.65
48.06 57.03
6369
70.30
68.05 80.75 90.18 99.53
96.35 114.34 127.68 140.92

Si riportano di seguito i diagrammi delle curve di possibilit pluviometrica.

160
140
120
5 anni

h[mm]

100

10 anni

80

25 anni

60

50 anni

40

100 anni

20
0
0

10

15

20

d[h]

Figura 21. CPP con modello probabilistico di Gumbel

25

30

100
log h

5 anni
10 anni
25 anni
50 anni
100 anni
10
1

10
log d

100

Figura 22. CPP con modello probabilistico di Gumbel, diagramma bi-logaritmico

GEV: per il modello probabilistico GEV si ha che

=

vale:

Dove:
=

=
=
, ,
sono i parametri della distribuzione GEV calcolati con il metodo degli LMomenti per tutte le durate .
Ordinando in senso crescente i dati si calcolano gli stimatori indistorti con le seguenti
formule:
=
=
=

1
:

( 1)
( 1)

( 1)( 2)
( 1)( 2)

Gli L-Momenti campionari valgono:

=
=2
=6 6 +
2
ln 2
=

3+
ln 3
E quindi:
7.8590 + 2.9554
=

(1 2

) (1 +

[ 1 (1 +

)]

Vengono riportati i valori ottenuti.

1h
13.223
7.827
5.764
13.223
2.432
0.844
-0.033
-0.259
2.588
10.849

3h
21.962
12.998
9.406
21.962
4.034
0.408
0.014
0.111
6.383
18.912

6h
32.408
19.529
14.326
32.408
6.651
1.191
-0.002
-0.014
9.469
26.808

12h
48.515
29.615
21.838
48.515
10.714
1.853
-0.001
-0.005
15.390
39.560

24h
62.192
39.218
29.521
62.192
16.244
4.009
-0.015
-0.117
20.785
47.502

Noti , ,
si possono determinare i valori di , ,
loro valori medi.

utilizzando successivamente il

media
0.196 0.291 0.292 0.317 0.334 0.286
0.820 0.861 0.827 0.815 0.764 0.818
-0.259 0.111 -0.014 -0.005 -0.117 -0.057
possibile adesso definire il fattore
per le diverse durate e procedere al calcolo
della legge di probabilit pluviometrica per i diversi periodi di ritorno :
=

Vengono riportati di seguito i risultati ottenuti.

,
,
,
,
,

5
1.265
16.60
28.81
40.79
57.75
81.77

10
25
50
100
1.504 1.821 2.067 2.321
19.73 23.89 27.12 30.45
34.24 41.45 47.05 52.84
48.48 58.69 66.62 74.82
68.65 83.09 94.33 105.93
97.19 117.65 133.56 149.99

Si riportano di seguito i diagrammi delle curve di possibilit pluviometrica.

160
140
120
5 anni

h[mm]

100

10 anni

80

25 anni

60

50 anni

40

100 anni

20
0
0

10

15
d[h]

20

25

30

Figura 23. CPP con metodo probabilistico GEV

100
log h

5 anni
10 anni
25 anni
50 anni
100 anni

10
1

10
log d

Figura 24. CPP con metodo probabilisti GEV, diagramma bi-logaritmico

100

ESERCITAZIONE 4: Ricostruzione di un idrogramma di piena con il metodo cinematico

Utilizzando il metodo cinematico ricostruire lidrogramma di piena corrispondente a
= 100
per il bacino del Chisone a Fenestrelle, le cui caratteristiche morfometriche sono
disponibili sullAtlante dei bacini imbriferi piemontesi.
1. DallAtlante dei bacini imbriferi piemontesi possibile ricavare i seguenti parametri
morfometrici del Chisone a Fenestrelle:
1160
zmin [m]
2154
zmedia [m]
3234
zmax [m]
Area [km2] 154.21
LDP [km] 26.43
2. Dallesercitazione 3 sono stati ricavati i parametri della curva di possibilit pluviometrica ( ,
,
col metodo Gumbel):
14.282
0.4841
2.26
3. Determinazione del tempo di corrivazione del bacino secondo la formula di Giandotti:
4 + 1.5
=
0.8
Dove: = lunghezza dellasta principale LDP (in km); = area del bacino (in km2);
=
differenza tra la quota media e la quota minima del bacino (in m); espresso in ore.
Utilizzando i parametri morfometrici del Chisone a Fenestrelle si ottiene:
= 3.541
Fissando una durata della pioggia pari a , si suddivisa tale durata in = 10 intervalli in
modo tale da estrarre dalla CPP di riferimento i valori necessari a comporre lo
istogramma di progetto ( = 100):

=

Dove: = / espresso in ore, =

il valore assunto dalla curva di
possibilit pluviometrica al tempo = con che varia da 1 a .
Vengono di seguito riportati i valori ottenuti:
= 0.354
[ ]
[
]
[
/ ]
1 0.354 19.555
55.222
2 0.708 27.352
22.018
3 1.062 33.284
16.751
4 1.416 38.258
14.045
5 1.771 42.622
12.324
6 2.125 46.555
11.106
7 2.479 50.162
10.186
8 2.833 53.512
9.459
9 3.187 56.652
8.867
10 3.541 59.617
8.371

60
50

ij [mm/h]

40
30
20
10
0
Figura 25. Ietogramma

4. Considerando i quantili della curva ipsografica forniti dallAtlante, riportati in Figura 26 su

un grafico ( , ), si rappresenta tale curva anche nella sua forma adimensionale
ipsometrica ( , ) con = e =
.
3500

z [m]

3000
2500
2000
1500
1000
0

50

100
as [km2 ]

Figura 26. Curva Ipsografica

3234 0.000 0.000

2811 3.855 0.025
2718 7.711 0.050
2616 15.421 0.100
2436 38.553 0.250
2179 77.105 0.500
1883 115.658 0.750
1632 138.789 0.900

1.000
0.796
0.751
0.702
0.615
0.491
0.349
0.228

150

200

1513 146.500 0.950 0.170

1419 150.355 0.975 0.125
1160 154.210 1.000 0.000
1,0
0,9
0,8
0,7

0,6
0,5
0,4
0,3
0,2
0,1
0,0
0,0

0,2

0,4

0,6
as/A

0,8

1,0

1,2

Figura 27. Curva Ipsometrica

5. Campionando sulla curva ipsometrica aree equidistanti (con che varia da 1 a ) in

termini di quota, interpolando linearmente tra i punti ( , ), si costruita, secondo lipotesi
isocorrive = isoipse, la curva aree-tempi ( = 1 , = ) usando come base
dei tempi la stima del tempo di corrivazione.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

0.000
0.012
0.025
0.104
0.281
0.482
0.660
0.810
0.924
0.980
1.000

154.21
152.32
150.43
138.25
110.92
79.81
52.44
29.26
11.71
3.09
0.00

3.541
3.187
2.833
2.479
2.125
1.771
1.416
1.062
0.708
0.354
0.000

aj [km2]

Aree-Tempi
180
160
140
120
100
80
60
40
20
0
0,0

0,5

1,0

1,5

2,0
t [h]

2,5

3,0

3,5

4,0

Figura 28. Curva Aree-Tempi

6. Determinazione dellidrogramma unitario del bacino facendo le differenze fra i valori

successivi di e dividendole per larea del bacino, ottenendo =
.

3.09
11.71
29.26
52.44
79.81
110.92
138.25
150.43
152.32
154.21
7. Impostazione della convoluzione tra

0.020
0.056
0.114
0.150
0.177
0.202
0.177
0.079
0.012
0.012
come

E determinazione dellidrogramma di piena con tempo di ritorno 100 anni come

= . , ponendo = 1


55.222
22.018
16.751
14.045
12.324
11.106
10.186
9.459
8.867
8.371

0.020
1.106
0.441
0.335
0.281
0.247
0.222
0.204
0.189
0.178
0.168

0.056 0.114 0.150 .0177

3.090
1.232
0.937
0.786
0.690
0.621
0.570
0.529
0.496
0.468

6.284
2.506
1.906
1.598
1.402
1.264
1.159
1.076
1.009
0.953

8.298
3.309
2.517
2.111
1.852
1.669
1.531
1.421
1.332
1.258

0.202

0.177 0.079 0.012 0.012

9.801
3.908 11.141
2.973 4.442 9.788
2.493 3.380 3.902 4.362
2.187 2.834 2.969 1.739 0.677
1.971 2.486 2.486 1.323 0.270 0.677
1.808 2.241 2.184 1.109 0.205 0.270
1.679 2.055 1.968 0.973 0.172 0.205
1.574 1.908 1.805 0.877 0.151 0.172
1.486 1.789 1.677 0.805 0.136 0.151
1.689 1.572 0.747 0.125 0.136
1.484 0.700 0.116 0.125
0.661 0.109 0.116
0.103 0.109
0.103

1.106
3.530
7.851
12.022
16.048
20.076
21.541
18.011
13.941
12.487
10.716
9.338
7.746
6.043
4.269
2.425
0.886
0.211
0.103

47.36
151.22
336.31
514.99
687.43
859.98
922.73
771.54
597.16
534.91
459.04
400.01
331.80
258.85
182.85
103.87
37.95
9.05
4.40

1000
900
800

Qk [m3/s]

700
600
500
400
300
200
100
0
Figura 29. Idrogramma di piena

Si ottiene un valore del picco di piena:

= 922.73

ESERCITAZIONE 5: Determinazione dellidrogramma di piena sul Chisone a Fenestrelle in

corrispondenza dellevento dellOttobre 2000.
Obiettivo finale dellesercitazione la ricostruzione dellidrogramma di piena alla sezione del
Chisone a Fenestrelle in corrispondenza dellevento di piena dellOttobre 2000. In relazione a
questo evento sono disponibili misure di precipitazione e si propone di usare il metodo SCS-CN per
la determinazione del pluviogramma netto. La taratura dei valori CN da utilizzare per il bacino di
Fenestrelle da effettuarsi mediante bilancio idrologico di piena relativo al bacino chiuso a S.
Martino.
Parte 1: Bilancio di piena a San Martino
Disponendo dei dati di precipitazione delle stazioni di Angrogna, Chiomonte, Coazze, Massello, Perrero,
Pragelato, Salbertrand e Talucco si determinato in prima battuta la precipitazione areale per mezzo del
metodo dei topoieti noti i pesi delle singole stazioni riportati in tabella:

STAZIONE

PESO

Angrogna

0,014474

Chiomonte

0,000762

Coazze

0,006094

Massello

0,285932

Perrero

0,185373

Pragelato

0,428644

Salbertrand

0,01549

Talucco

0,06323

Si ottenuto quindi la precipitazione areale relativa ai singoli intervalli di misurazione (10 minuti) tramite la
seguente formula:

Dove:
-

n: numero delle stazioni;

: peso della stazione.

Si quindi determinato il Pluviogramma areale:

6
5

h[mm]

4
3
2
1
0

d[h]

Figura 30. Pluviogramma areale

Metodo SCS-CN: Secondo tale modello possibile determinare a partire dal pluviogramma lordo il
pluviogramma netto per mezzo della relazione:
=

( )

+

Dove:
-

P, altezza di pioggia cumulata al tempo t;

= 254
1 , massimo volume specifico di acqua che i terreno pu trattenere
in condizione di saturazione;
= 0.2 , valore limite di altezza di pioggia che il suolo pu trattenere senza che si
abbia deflusso( ingloba anche intercettazione da parte della vegetazione e laccumulo
di acqua nelle depressioni della superficie);
, numero adimensionale compreso tra 0 e 100 (caso terreno impermeabile),
funzione della natura del suolo, del tipo di copertura vegetale, delluso del suolo, e
delle condizioni di umidit del suolo antecedenti la precipitazione (5 gg prima
dellevento).

Tale relazione valida per

Partendo dal valore del CN medio relativo al bacino in esame, disponibile sullatlante dei bacini
idrografici piemontesi, pari a 64.8, otteniamo:
= 137.98
= 27.595
Per lapplicazione del metodo si determinata la pioggia cumulata al tempo t come sommatoria
delle altezze di pioggia antecedenti al tempo t.

Viene riportato di seguito il pluviogramma lordo confrontato con il corrispondente pluviogramma

netto, facendo attenzione che, finch il valore della pioggia cumulata P non superi il valore di
perdita iniziale
, si avr
= 0.
400
350
300
h[mm]

250
P netta

200

P lorda

150
100
50
0

d[h]

Figura 31. Pluviogramma lordo e pluviogramma netto San Martino

Taratura CN: la taratura del CN si ottenuta da un bilancio idrologico, uguagliando il volume di

pioggia netta al volume di deflusso superficiale (V=q*t) corrispondente ai valori di portata
osservati (desunti a partire dai livelli idrometrici tramite la scala di deflusso
q=44.16*(h+1.1)^1.81).
Rapportando le due grandezze alla stessa unit di misura si ottiene luguaglianza per un CN pari a
57.
Parte 2: Ricostruzione pluviogramma areale e idrogramma di piena a Fenestrelle
Poich Fenestrelle un sottobacino di San Martino possibile ottenere il CN, utilizzando il valore
di CN tarato a San Martino, scalandolo opportunamente rispetto a quello medio calcolato dalle
mappe tematiche pari a 68,3 (CNFen = CNmed,Fen * CNSM/CNmed,SM).
Si ottiene CN=60, dal quale ricaviamo:
-

= 168.78;
= 33.756.

Si applicato il metodo SCS per la determinazione del conseguente pluviogramma netto areale
relativo al bacino di Fenestrelle, ottenuto mediante aggregazione delle altezze di pioggia
(registrate a Pragelato) a 20 min, per renderle compatibili con la discretizzazione realizzata per la
funzione di risposta U.H.
Eseguendo il medesimo procedimento condotto per il bacino a San Martino otteniamo:

400
350
300
h[mm]

250
P netta

200

P lorda

150
100
50
0

d[h]

Figura 32. Pluviogramma lordo e pluviogramma netto Fenestrelle

Utilizzando un tempo di corrivazione pari a 3.5 h, si utilizzato lUH gi determinato per effettuare
la convoluzione nellesercitazione 4, per ottenere lidrogramma di piena di seguito riportato:
600
500

QK[m3/s]

400
300
200
100
0

d[h]

Figura 33. Idrogramma di piena Fenestrelle

600
500

QK-h

400
300
200
100
0

d[h]

Figura 34. Idrogramma di piena/pluviogramma netto Fenestrelle

ESERCITAZIONE 6: Valutazione dellinfiltrazione con il metodo di GREEN-AMPT

Si valutino levoluzione delinfiltrazione cumulata (F) e del tasso di infiltrazione (f) entro le prime
tre ore di pioggia con intensit w costante pari a 20 mm/h, per un terreno limoso ed uno argilloso
(le cui caratteristiche sono riportate in tabella) caratterizzati da un grado di saturazione iniziale del
30%.
Tipo di suolo

Porosit(n)

Potenziale di suzione (,mm)

Conducibilit idraulica a
saturazione (k,mm/h)

Limo
Argilla

0.486
0.385

166.8
316.3

6.5
0.3

Rappresentare gli andamenti temporali del tasso di infiltrazione effettivo e dellinfiltrazione

cumulata nei due casi.
LIMO
Poich il modello valido in condizioni di saturazione si determinato il relativo tempo necessario
al soddisfacimento di tale condizione, cio il tempo di ponding, dalla seguente relazione:

tp
Con =

Otteniamo cos

con

= 0.3

K s
w w K s

= 0.1458 = 0.3402

= 1.37

Fino a tale istante tutta la precipitazione risulta infiltrata ed possibile valutarla come:
=

= 20 1.37 = 27.32

Per valutare levoluzione dellinfiltrazione cumulata e, di conseguenza del tasso dinfiltrazione,

nelle prime tre ore si sono utilizzate le seguenti relazioni:
F
F Fp K s t t p ln
F
p

f Ks
1
F

Poich la prima unequazione implicita in F, linfiltrazione cumulata stata ottenuta con il

metodo delle successive sostituzioni, utilizzando un valore di primo tentativo pari a
.

60
50

F [mm]

40
30
20
10
0
0

0,5

1,5

d [h]

2,5

3,5

Figura 35. Andamento temporale di F (Limo)

21
20
19
f [mm/h]

18
17
16
15
14
13
12
0

0,5

1,5

2,5

3,5

d [h]

Figura 36. Andamento temporale di f (Limo)

ARGILLA
Con procedimento del tutto analogo al caso precedente, vengono riportati di seguito i risultati
ottenuti:
= 0.065
=

= 20 0.065 = 1.30

14
12

F [mm]

10
8
6
4
2
0
0

0,5

1,5

2,5

3,5

3,5

d [h]

Figura 37. Andamento temporale di F (Argilla)

25

f [mm/h]

20
15
10
5
0
0

0,5

1,5

2,5

d [h]

Figura 38. Andamento temporale di f (Argilla)

Per quanto riguarda largilla si osserva un volume infiltrato finale minore rispetto a quello
ottenuto nel caso del limo. Tale discrepanza attribuibile al diverso valore di conducibilit
idraulica del suolo, funzione della diversa granulometria; infatti largilla, in quanto terreno a grana
fine, presenta dei vuoti pi piccoli rispetto al limo, i quali ostacolano il processo dinfiltrazione.
PARTE II
Per il suolo limoso, considerando un evento di pioggia con intensit variabile (come quello
descritto nella tabella qui di seguito):
1 2 3 4 5 6 7 8
t [h]
w [mm/h] 10 15 19 22 15 7 20 7

Valutare con il metodo di Green-Ampt:

-

Se e quando si raggiungono per la prima volta le condizioni di ponding (per individuare

il tempo di ponding considerare lintensit di precipitazione media per intervalli di
tempo di durata crescente fino a soddisfare la condizione ).
Considerando intervalli di tempo di durata crescente (1h, 2h, etc.), tramite
lintensit di precipitazione media , si calcola attraverso la formula di Green-Ampt:

=
= 3.079
( )
Linfiltrazione cumulata fino al tempo di saturazione vale:
= = 45.165

Se e quando le condizioni di ponding vengono a mancare (a questo scopo controllare ad

ogni passo temporale se verificata la condizione ) e se eventualmente esse
vengono ripristinate.
Per poter verificare se le condizioni di ponding vengono a mancare, bisogna valutare il
tasso dinfiltrazione dopo il ponding stesso e verificare la condizione .
Per poter determinare il tasso dinfiltrazione occorre conoscere linfiltrazione cumulata
che ,dopo la saturazione, viene calcolata attraverso la seguente formula di GreeAmpt:
+
= +

+ ln
+
utilizzando il metodo delle successive sostituzioni, gi svolto in precedenza, possibile
quindi ricavare linfiltrazione cumulata, dalla quale si ricava il tasso dinfiltrazione
attraverso la seguente relazione:

=
+1
che ci permette di verificare se vengono a mancare le condizioni di ponding.
4
5
6
t [h]
22
15
7
w [mm/h]
F [mm] 57.761 70.043 90.528
f [mm/h] 12.89 11.77 10.57
Come possibile notare dai dati ottenuti, alla sesta ora si ha che la condizione
non risulta essere verificata e, conseguentemente, vengono a mancare le condizioni di
ponding. Quindi, per la sesta ora, il valore dellinfiltrazione cumulata sar pari alla
somma del valore di relativo allora precedente (quinta ora) e del prodotto ; il
tasso dinfiltrazione viene valutato con la relazione vista in precedenza.
5
6
7
8
t [h]
15
7
20
7
w [mm/h]
F [mm] 70.043 77.043 88.016 98.474
f [mm/h] 11.77 11.29 10.69 10.25
Per la valutazione della condizione di ripristino del ponding non possibile utilizzare la
formula di Green-Ampt per il calcolo dello stesso, in quanto non si conoscono le
condizioni nelle quali si trova il terreno, ma occorre ricontrollare se il valore raggiunto

dallinfiltrazione cumulata consente un immediato ripristino del ponding stesso. Ci

avviene se calcolando il tasso dinfiltrazione ( ) (per la settima ora) si dovesse
riscontrare gi subito la condizione ( ) < . Dai dati ottenuti tale condizione risulta
verificarsi, di conseguenza alla settima ora si sono raggiunte di nuovo le condizioni di
ponding ed possibile determinare e attraverso le formule di Green-Ampt
Allottava ora si ha che la condizione
non risulta essere verificata e,
nuovamente, vengono a mancare le condizioni di ponding; tale caso viene trattato
come per gi fatto in precedenza per la sesta ora.
Viene riportato di seguito un riepilogo dei valori ottenuti:
0 1 2 3
4
5
6
7
8
t [h]
22
15
7
20
7
w [mm/h] 10 10 15 19
0 10 25 44 57.761 70.043 77.043 88.016 95.016
F [mm]
7
10.69
7
f [mm/h] 10 10 15 19 12.89 11.77
-

Come varia il tasso di infiltrazione effettivo lungo tutta la durata dellevento, notando
quando esso diverso da quello potenziale.
possibile ora diagrammare il tasso dinfiltrazione effettivo con quello potenziale in
funzione del tempo:
25

fc [mm/h]

20
15
10
5
0
0

Tasso d'infiltrazione effettivo

4
t [h]

Tasso d'infiltrazione potenziale

Figura 39. Tasso d'infiltrazione effettiva e potenziale

Levoluzione dellinfiltrazione cumulata nel tempo, riferita alle condizioni effettive.

Di seguito si riporta invece linfiltrazione cumulata in funzione del tempo:

100
90
80

F [mm]

70
60
50
40
30
20
10
0
0

4
t [h]

Figura 40. Infiltrazione cumulata

La curva del delleventuale deflusso superficiale (come differenza tra lintensit di

precipitazione ed il tasso di infiltrazione) e il volume totale defluito.
Il deflusso superficiale espresso dalla seguente relazione:
=
Confrontando lintensit di pioggia, linfiltrazione effettiva e il deflusso superficiale, si
ottiene:
25
20
w - f - R [mm/h]

15
10
5
0
1

Intensit di pioggia

Infiltrazione effettiva

Deflusso superficiale

Figura 41. Intensit di pioggia, infiltrazione effettiva e deflusso superficiale