Academic literature on the topic 'Modelli previsionali di incidentalità'

IntroduzioneAnalisi previsionale e teorie della probabilitàScarsa è la fiducia che i politologi, in particolare europei, nutrono nei confronti della validità scientifica delle indagini previsionali. Gravi appaiono ai loro occhi le limitazioni epistemologiche e metodologiche da cui tali indagini risultano afflitte. L'uso di modelli semplificanti e riduttivi, l'assenza di approcci pluridisciplinari, la mancata integrazione delle variabili politiche con altre variabili a loro strettamente collegate, come sono ad esempio quelle economiche, il frequente ricorso a tecniche estrapolative, sono alcune delle distorsioni più frequentemente riscontrate nelle ricerche politologiche di tipo previsionale.

Riassunto. – Almeno a partire da Pareto le analogie meccaniche hanno giocato un ruolo rilevante nella teoria economica; ma sarebbe ingiusto passare sotto silenzio il fatto che Marshall, praticamente coetaneo di Pareto, propendeva piuttosto per l’impiego di analogie di natura biologica. Questo detto, l’equilibrio generale, attualmente il paradigma più diffuso fra i cultori di teoria economica, si presta mirabilmente a sottolineare le analogie meccaniche proponibili nella teoria economica. Partendo dalla formulazione canonica dell’equilibrio generale concorrenziale, come venne proposta da Arrow e Debreu nel 1954, l’intervento si propone di presentare succintamente alcune delle estensioni formulate nel corso degli ultimi 50 anni:– l’introduzione dei monopoli e della concorrenza monopolistica;– i prezzi rigidi e il razionamento;– le generazioni sovrapposte;– gli equilibri temporanei e le aspettative soggettive;– gli equilibri approssimati in presenza di non convessità; – l’infinità degli agenti e la concorrenza perfetta;– l’incertezza;– i mercati incompleti e le attività finanziarie.Vengono brevemente discussi anche i problemi che sorgono nell’applicazione di modelli di equilibrio generale allo studio di economie concrete, e si sottolinea il fatto che i dati economici sono sempre soggetti ad errori spesso rilevanti, mentre quasi mai é possibile condurre esperimenti controllabili, diversamente da quanto avviene nella fisica. Le applicazioni portano naturalmente a chiedersi quale utilità possono rivestire i modelli di equilibrio generale a fini previsionali.***Abstract. – Since Pareto times mechanical analogies played a relevant role in economic theory; but it is necessary to underline that Marshall, an economist contemporary to Pareto, preferred to employ biological analogies. General equilibrium, presently the mainstream paradigm in economic theory, lends itself very naturally to underline mechanical analogies permeating economic theory. Starting from the canonical formulation of general equilibrium, as proposed by Arrow and Debreu in 1954, our aim is to briefly recall some extensions made during the last 50 years:– the inclusion of monopolies and monopolistic competition;– sticky prices and rationing;– overlapping generations;– temporary equilibrium and subjective expectations;– approssimate equilibria under non convexities;– infinity of agents and perfect competition;– uncertainty;– incomplete markets and financial activities.We discuss also some problems which are present in applying general equilibrium models to our days economies, and we underline the fact that economic data are always affected by errors, while very rarely it is possible to do controlled experiments, contrary to what happens in physics. Therefore, it is natural to ask which is the utility of general equilibrium models as far as forecasting activities are of interest.

A careful management of the environment and of water resources requires modern eco-hydrological models which allow the evaluation of flood events and of the response natural systems, especially in a context of accelerated environmental changes due to human activities and climate change. Modelling such complex dynamics requires mathematical tools, such as modern hydrological response models, rainfall stochastic models and meteorological models. In the present thesis the research activities have been focused on coupling physically-based hydrological models and models which prescribe relevant hydro-meteorological forcings on the basis of predictions (meteorological models) or probabilistic representations of statistical features of climate variables (weather stochastic generators). A geomorphological model of the hydrological response applied to a number of relevant case studies is here developed. The use of a reliable flood forecasting model is extremely beneficial to prevent extreme events because of its capability to predict the behaviour of a hydrological system under different initial and boundary conditions. The hydrological model implemented constitutes a robust basis for the study and the development of coupled meteorological and hydrological models. Special attention is devoted to the analysis of high-resolution rainfall fields which are forecasted by a LAM meteorological model (ETA model); spatial and temporal analyses are carried out to test the main characters of precipitation forecasts. Hydrological, ecological and water resources applications need as forcing input weather time series with a suitable spatial and temporal detail. Measured ground-based meteorological data are often inadequate, particularly because of their limited length which may lead to a mis-representation of extreme events. Stochastic weather generators are a viable technique for simulating time series consistent with the statistical characters of observed data. In this thesis a new stochastic model is developed, based on a multivariate autoregressive framework. The objective is the generation of a coherent set of hydro-meteorological variables including maximum and minimum air temperature, maximum and minimum air humidity, atmospheric pressure, daily mean wind velocity and direction and the meteorological tide component for a given geographic location. These variables are required to force models applied to coastal hydrological systems, where the presence of a tidal component is important in determining the response to ordinary and extreme events (e.g. as in the important case of the Venice Lagoon). However, the daily resolution is not detailed enough to describe the meteorological tidal level fluctuations in usual hyrologic applications; a down-scaling technique is thus applied in order to obtain hourly time series of simulated tidal levels. The results highlight the model capability to reproduce the main statistics both at daily and hourly resolution. Moreover the stochastic generator is able to well reproduce observed extreme events frequencies.

Questa tesi di dottorato è inserita nell’ambito della convenzione tra ARPA_SIMC (che è l’Ente finanziatore), l’Agenzia Regionale di Protezione Civile ed il Dipartimento di Scienze della Terra e Geologico - Ambientali dell’Ateneo di Bologna. L’obiettivo principale è la determinazione di possibili soglie pluviometriche di innesco per i fenomeni franosi in Emilia Romagna che possano essere utilizzate come strumento di supporto previsionale in sala operativa di Protezione Civile. In un contesto geologico così complesso, un approccio empirico tradizionale non è sufficiente per discriminare in modo univoco tra eventi meteo innescanti e non, ed in generale la distribuzione dei dati appare troppo dispersa per poter tracciare una soglia statisticamente significativa. È stato quindi deciso di applicare il rigoroso approccio statistico Bayesiano, innovativo poiché calcola la probabilità di frana dato un certo evento di pioggia (P(A|B)) , considerando non solo le precipitazioni innescanti frane (quindi la probabilità condizionata di avere un certo evento di precipitazione data l’occorrenza di frana, P(B|A)), ma anche le precipitazioni non innescanti (quindi la probabilità a priori di un evento di pioggia, P(A)). L’approccio Bayesiano è stato applicato all’intervallo temporale compreso tra il 1939 ed il 2009. Le isolinee di probabilità ottenute minimizzano i falsi allarmi e sono facilmente implementabili in un sistema di allertamento regionale, ma possono presentare limiti previsionali per fenomeni non rappresentati nel dataset storico o che avvengono in condizioni anomale. Ne sono esempio le frane superficiali con evoluzione in debris flows, estremamente rare negli ultimi 70 anni, ma con frequenza recentemente in aumento. Si è cercato di affrontare questo problema testando la variabilità previsionale di alcuni modelli fisicamente basati appositamente sviluppati a questo scopo, tra cui X – SLIP (Montrasio et al., 1998), SHALSTAB (SHALlow STABility model, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).
This PhD thesis is inserted in the agreement between ARPA_SIMC (which is the sponsor), the Regional Civil Protection and the Department of Earth Sciences and Geo - Environmental of the University of Bologna. The main objective is the determination of possible rainfall thresholds for triggering landslides in Emilia Romagna, which can be used as an aid in forecasting operations of Civil Protection. In a such complex geological context, the distinction between critical and non-critical rainfall is not trivial: when different outputs (failure or no-failure) can be obtained for the same input (a given rainfall event) a deterministic approach is no longer applicable and a probabilistic model is needed. We use a Bayesian statistical approach, applied to a dataset ranging between 1939 and 2009, that is a direct application of conditional probabilities. The conditional probability is the probability of some event A (in our case a landslide) given the occurrence of some other event B (a rainfall episode with a certain magnitude, expressed in terms of total rainfall, intensity or any other variable). Conditional probability is written P(A|B) and it is read “the probability to have a landslide (A) given a rainfall episode (B)”. Probabilistic Bayesian thresholds minimize false alarms and can be easily implemented in a regional warning system, but their predictive capacity is limited about phenomena that are not represented in the historical dataset. This is the case of shallow landslides evolving in debris flows, extremely rare in the last 70 years, but, recently, their frequency is increasing. We tried to address this problem by testing the predictive capacity of some physically based models developed in literature, as X - SLIP (Montrasio et al., 1998), SHALSTAB (model Shallow Stability, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).

Questa tesi di dottorato è inserita nell’ambito della convenzione tra ARPA_SIMC (che è l’Ente finanziatore), l’Agenzia Regionale di Protezione Civile ed il Dipartimento di Scienze della Terra e Geologico - Ambientali dell’Ateneo di Bologna. L’obiettivo principale è la determinazione di possibili soglie pluviometriche di innesco per i fenomeni franosi in Emilia Romagna che possano essere utilizzate come strumento di supporto previsionale in sala operativa di Protezione Civile. In un contesto geologico così complesso, un approccio empirico tradizionale non è sufficiente per discriminare in modo univoco tra eventi meteo innescanti e non, ed in generale la distribuzione dei dati appare troppo dispersa per poter tracciare una soglia statisticamente significativa. È stato quindi deciso di applicare il rigoroso approccio statistico Bayesiano, innovativo poiché calcola la probabilità di frana dato un certo evento di pioggia (P(A|B)) , considerando non solo le precipitazioni innescanti frane (quindi la probabilità condizionata di avere un certo evento di precipitazione data l’occorrenza di frana, P(B|A)), ma anche le precipitazioni non innescanti (quindi la probabilità a priori di un evento di pioggia, P(A)). L’approccio Bayesiano è stato applicato all’intervallo temporale compreso tra il 1939 ed il 2009. Le isolinee di probabilità ottenute minimizzano i falsi allarmi e sono facilmente implementabili in un sistema di allertamento regionale, ma possono presentare limiti previsionali per fenomeni non rappresentati nel dataset storico o che avvengono in condizioni anomale. Ne sono esempio le frane superficiali con evoluzione in debris flows, estremamente rare negli ultimi 70 anni, ma con frequenza recentemente in aumento. Si è cercato di affrontare questo problema testando la variabilità previsionale di alcuni modelli fisicamente basati appositamente sviluppati a questo scopo, tra cui X – SLIP (Montrasio et al., 1998), SHALSTAB (SHALlow STABility model, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).
This PhD thesis is inserted in the agreement between ARPA_SIMC (which is the sponsor), the Regional Civil Protection and the Department of Earth Sciences and Geo - Environmental of the University of Bologna. The main objective is the determination of possible rainfall thresholds for triggering landslides in Emilia Romagna, which can be used as an aid in forecasting operations of Civil Protection. In a such complex geological context, the distinction between critical and non-critical rainfall is not trivial: when different outputs (failure or no-failure) can be obtained for the same input (a given rainfall event) a deterministic approach is no longer applicable and a probabilistic model is needed. We use a Bayesian statistical approach, applied to a dataset ranging between 1939 and 2009, that is a direct application of conditional probabilities. The conditional probability is the probability of some event A (in our case a landslide) given the occurrence of some other event B (a rainfall episode with a certain magnitude, expressed in terms of total rainfall, intensity or any other variable). Conditional probability is written P(A|B) and it is read “the probability to have a landslide (A) given a rainfall episode (B)”. Probabilistic Bayesian thresholds minimize false alarms and can be easily implemented in a regional warning system, but their predictive capacity is limited about phenomena that are not represented in the historical dataset. This is the case of shallow landslides evolving in debris flows, extremely rare in the last 70 years, but, recently, their frequency is increasing. We tried to address this problem by testing the predictive capacity of some physically based models developed in literature, as X - SLIP (Montrasio et al., 1998), SHALSTAB (model Shallow Stability, Montgomery & Dietrich, 1994), Iverson (2000), TRIGRS 1.0 (Baum et al., 2002), TRIGRS 2.0 (Baum et al., 2008).

2015 - 2016
In several engineering fields, it is of great interest the development of models able to produce forecasts of univariate time series; these models are based on the statistical analysis of the sequence of observed data equidistant in time. The techniques implemented in this thesis can be classified in two distinct types, different but complementary: the first method is based on the analysis of the observed time series composed by measurements under study, the other method is based on Poisson's distributions for events of exceedance of a defined threshold. The validity of such models has been tested on a noise dataset collected in the city of Messina. The measurements are based on day and night noise levels, detected at a monitoring station set up by the local government and made public on a special web platform. From this set of data, several intervals have been extracted for the calibration of the models, in order to test the validity on real measurements (by means of comparison between the observed and predicted data) and to study the sensitivity with respect to variation of the parameters (reference threshold, frequency of events, periodicity of the series, etc.). The first adopted techniques, used to analyse the time series, are based on deterministic decomposition methods: the observed sequences are divided in trend and seasonal components. In this field, an enhancement of the preliminary forecasting model has been obtained: in particular, a set of electricity consumption data has been studied. This time series of absorbed electricity is due to the public transport system of the city of Sofia (Bulgaria): the main enhancement achieved is the improving of the extracted information from the series thanks to the introduction of an additional coefficient of seasonality. Later, seasonal stochastic models were adopted, of the auto-regressive moving average (SARIMA) type. Therefore, the research focused on the implementation of predictive models of stochastic type: the seasonal ARIMA was applied to the prediction of wind speed in a site where a wind farm for the production of electricity is installed. Subsequently, acoustical models have been applied for the prediction of noise produced by the turbines under certain wind speed conditions. A detailed investigation was performed with the aim to improve the integration of linear and non-linear forecasting techniques using artificial neural networks. In particular, one of the more advanced predictive model based on time series analysis is a hybrid model that uses in cascade deterministic methods, based on the decomposition of the series into trend and seasonal components, followed by a modelling via artificial neural networks for a better prediction of the non-linear part of the series. A predictive model, useful to study events of exceedance of noise thresholds, has also been implemented. This model is based on the assumption that the exceedance events are distributed according to a nonhomogeneous Poisson distribution. This approach can be pursued both with frequentist techniques or using Bayesian estimation of the parameters of the "Probability Density Function" (PDF). In particular, it has been studied a sound levels dataset measured near the international airport of Nice (France). The adopted model introduces the single "change-point" methodology for the estimation of the distribution parameters. These parameters have been estimated through a Markov-Chain Monte-Carlo sampling based on Bayesian statistical assumptions. [edited by author]
In diversi ambiti ingegneristici risulta di grande interesse lo sviluppo di modelli atti a produrre previsioni di serie storiche univariate mediante l’analisi della successione di dati osservati equidistanti nel tempo. Le tecniche implementate nel presente lavoro di tesi possono essere classificate in due distinte tipologie, differenti ma complementari: una basata sull’analisi delle serie storiche delle misure di interesse, l’altra su distribuzioni di Poisson per gli eventi di superamento di una soglia stabilita. La validità di siffatti modelli è stata testata su un set di dati di rumore raccolti nella città di Messina. Le misurazioni si riferiscono a livelli acustici diurni e notturni, rilevati presso una stazione di monitoraggio predisposta dall’amministrazione locale e resi pubblici su apposita piattaforma web. Da questo set di dati, sono stati estratti diversi intervalli per la calibrazione dei modelli, al fine di testarne la validità su misurazioni reali (mediante confronto tra dato osservato e dato previsto) e di studiare la sensibilità rispetto alla variazione dei parametri (soglia di riferimento, frequenza degli eventi, periodicità, ecc.). Per l’analisi delle serie storiche sono state sviluppate tecniche classiche basate sulla decomposizione deterministica nelle componenti di trend e stagionali di una sequenza di dati osservata. Si è in seguito ottenuto un potenziamento del modello di previsione e analisi delle serie storiche: in particolare si è analizzato un set di dati di assorbimento di energia elettrica dovuto al sistema di trasporto pubblico della città di Sofia, migliorando l’estrazione di informazioni dalla serie e le prestazioni grazie all’introduzione di un ulteriore coefficiente di stagionalità. Successivamente sono stati adottati modelli stocastici stagionali auto-regressivi a media mobile (SARIMA); dunque ci si è concentrati sull’implementazione di modelli previsionali stocastici del tipo Seasonal ARIMA applicati alla previsione della velocità del vento in un sito dove è installato un impianto per la produzione elettrica mediante aerogeneratori. In seguito si sono applicati modelli per la previsione dell’inquinamento acustico prodotto dal parco eolico investito da vento ad una certa velocità. Si è inoltre migliorata l’integrazione di tecniche previsionali lineari e non lineari mediante reti neurali artificiali; in particolare lo stato dell’arte per i modelli previsionali basati sull’analisi di serie storiche si è raggiunto con un modello ibrido basato sull’utilizzo in cascata di metodi classici deterministici basati sulla scomposizione della serie in componenti di trend e stagionalità seguiti da modellazione tramite reti neurali artificiali per una migliore previsione della parte non lineare della serie. È stato inoltre implementato un modello di previsione per eventi di superamento di soglie di inquinamento acustico. Tale modello è basato sull’assunzione che gli eventi di superamento sono distribuiti secondo una distribuzione di Poisson non omogenea. Questo approccio può essere a sua volta perseguito con tecniche frequentiste o bayesiane per la stima dei parametri della “Probability Density Function” (PDF). In particolare è stato studiato un dataset di misurazioni fonometriche acquisite in prossimità dell’aeroporto internazionale di Nizza (Francia): il modello previsionale realizzato prevede l’introduzione della metodologia “change-point” singolo per la stima dei parametri della distribuzione. Tali parametri sono stati stimati grazie al campionamento Monte-Carlo Markov-Chain basato su assunzioni di statistica bayesiana. Infine si è studiato un potenziamento di questo modello previsionale applicandolo al set di dati di rumore acustico misurati nella città di Messina: tale serie storica è stata prima ricostruita integralmente tramite le tecniche previsionali studiate in precedenza e dopo si è applicato il modello bayesiano basato sulla distribuzione di Poisson utilizzando “change-points” multipli. [a cura dell'autore]
XV n.s. (XXIX)

L'Italia è caratterizzata dalla presenza di un patrimonio culturale unico e peculiare, che sempre più spesso viene ad essere minacciato da agenti capaci di comprometterne la conservazione. Oltre al deterioramento naturale e l'impatto antropico, costituiscono un reale problema per il nostro inestimabile patrimonio, gli eventi estremi quali frane e alluvioni. L'impatto di tali fenomenologie rappresenta un tema rilevante, che nell'ultimo decennio ha suscitato molto interesse da parte della comunità scientifica, nazionale e internazionale. In tale quadro si inserisce il presente contributo, parte integrante di un ampio progetto di ricerca finalizzato alla definizione di un approccio metodologico multidisciplinare capace di agire sulla conservazione, tutela e salvaguardia del patrimonio culturale, ivi incluso il paesaggio, da fenomeni di dissesto idrogeologico. In particolare il lavoro focalizza l'attenzione sui siti archeologici, beni che per la loro posizione e ubicazione naturale risultano fortemente vulnerabili rispetto ai meccanismi di rottura del terreno che si verificano a seguito del raggiungimento delle condizioni di equilibrio limite; per tale ragione l'ingegneria geotecnica ha un ruolo importante, ed in parte fondamentale, nelle politiche di mitigazione e salvaguardia dei beni di interesse archeologico da frane pluvio-indotte. La conservazione dei siti archeologici localizzati in aree morfologicamente complesse è di difficile attuazione; i beni monumentali in caso di eventi eccezionali non possono essere salvaguardati con misure di urgenza e non pianificate; quindi i concetti di conservazione, tutela, protezione e mitigazione sono strettamente connessi a quello di previsione. A quest'ultimo è direttamente collegato lo sviluppo del modello probabilistico fisicamente basato, descritto e illustrato in questo lavoro, che consente di stimare la probabile risposta dell'area ad un evento di fissata intensità e durata, configurandosi come uno strumento utile alla realizzazione di una strategia di azione che va nella corretta direzione delle politiche di mitigazione. In altre parole la ricerca focalizza l'attenzione su aspetti direttamente collegati ai problemi di potenziale instabilità dei pendii che insistono sui complessi monumentali, concentrandosi sulla modellazione geologica e geotecnica del problema, con la consapevolezza che questi costituiscono solo una parte del complesso quadro conoscitivo, necessario all'esatta comprensione delle problematiche connesse alla tutela dei siti archeologici.
Italy is characterized by the presence of a unique and particular cultural heritage often threatened by different agents able to compromise its conservation. In addition to natural deterioration and human impact, extreme events, such as landslides and floods, represent a real problem for historic monuments. In the last decade, the national and international scientific community has shown a lot of interest on this issue, and different studies have been developed. This contribution fits in this framework. The work is a part of a large research project, aimed to define a multidisciplinary approach able to guarantee the conservation, the protection and safeguard of cultural heritage, including the landscape, from hydrogeological instability phenomena. In particular, the paper focuses attention on archaeological sites, cultural assets which, due to their natural location, are highly vulnerable to the soil failure mechanisms. These movements occur following the achievement of limit equilibrium conditions in the soil, therefore geotechnical engineering has an important role in the conservation of archaeological assets from landslides induced by rainfall. The protection of archaeological sites, located in morphologically complex areas, is difficult to implement; historical monuments, respect to extreme events cannot be safeguarded through unplanned measures. In other words, the notions of mitigation and conservation are strictly linked to forecast concepts. To this last aspect, the development of a physically based probabilistic model described in this thesis work, is connected. The model allows to evaluate the probable response of the area to a rainfall event (defined by a specific duration and intensity), representing a valid measure for a correct mitigation strategy definition. In other words, the research pays attention on the mechanisms related to potential instability problems of the slopes that insist on monumental complexes, focusing on geological and geotechnical aspects. The knowledge framework, necessary to describe the problems related to the conservation of archaeological sites is very large, but the geological and geotechnical aspects constitute an important part of it.

Le cucurbitacee possono essere attaccate da più di 200 malattie, una corretta gestione è dunque fondamentale per ridurre il rischio di perdite di produzione, sia in termini di quantità sia in termini di qualità. Tra le malattie più importanti che attaccano le cucurbitacee ci sono l’oidio e la peronospora delle cucurbitacee. Podosphaera xanthii e Golovinomyces cichoracearum sono gli agenti causali dell’oidio. È stato studiato l’effetto della temperature sulla germinazione dei conidi in ambiente controllato a 6 temperature costanti (da 10 a 35°C, ad intervalli di 5C°) da 3 a 72 ore. La temperature ottimale per la germinazone, l’infezione e la sporulazione è risultata essere rispettivamente 24.4, 25.7 e 21.3°C per P. xanthii e 17.9, 17.3 e 16.2°C per G. cichoracearum. Un modello meccanicistico è stato sviluppato per il rischio che i due agenti patogeni causassero un attacco di oidio. Il modello simula la germinazione su foglie infettate sulla base delle condizioni ambientali di temperatura e umidità relativa. Le equazioni che calcolano la germinazione delle dei conidi di entrambi i funghi sono state sviluppate sulla base di dati presenti in bibliografia. Un secondo modello meccanicistico è stato sviluppato per Pseudoperonospora cubensis, agente causale della peronospora delle cucurbitacee. Il modello calcola la data di comparsa dei sintomi e la probabilità del superamento di determinate soglie di gravità della malattia, sulla base di sotto-processi dell’infezione. Il passaggio da uno stato dell’infezione al successivo è dipendente dalle condizioni ambientali. Entrambi i modelli sono stati validati confrontando i dati ottenuti dai modelli con dati indipendenti rilevati in coltivazioni del nord Italia.
Cucurbits are potentially affected by more than 200 diseases of diverse etiologies, so a good disease management is crucial to reduce the risk of high yield losses in terms of quantity and quality. Among the more important diseases there are powdery and downy mildew. Podosphaera xanthii and Golovinomyces cichoracearum are the causal agents of cucurbit powdery mildew. The effect of temperature on conidial germination was studied in controlled condition at 6 constant temperature (from 10 to 35°C, step 5°C) for 3 to 72 hours. Optima temperature for conidial germination, infection and sporulation were 24.4, 25.7 and 21.3°C respectively for P. xanthii and 17.9, 17.3 and 16.2°C for G. cichoracearum. A mechanistic model was developed for the risk posed by P. xanthii and G. cichoracearum to cause cucurbit powdery mildew. The model simulates germination on infected leaves on the base of environmental conditions of temperature and relative humidity. Equation regulating spore germination of both fungi were developed using published data. Another mechanistic model was develop also for Pseudoperonospora cubensis, causal agent of cucurbit downy mildew. The model calculates the symptoms appearance and the probability of overtaking severity threshold based on sub-processes of infection. Changes from one state of the infection to the following one depend on environmental conditions. Both models were validated by comparing model outputs with independent data sets collected in fields located in the north of Italy.

Le cucurbitacee possono essere attaccate da più di 200 malattie, una corretta gestione è dunque fondamentale per ridurre il rischio di perdite di produzione, sia in termini di quantità sia in termini di qualità. Tra le malattie più importanti che attaccano le cucurbitacee ci sono l’oidio e la peronospora delle cucurbitacee. Podosphaera xanthii e Golovinomyces cichoracearum sono gli agenti causali dell’oidio. È stato studiato l’effetto della temperature sulla germinazione dei conidi in ambiente controllato a 6 temperature costanti (da 10 a 35°C, ad intervalli di 5C°) da 3 a 72 ore. La temperature ottimale per la germinazone, l’infezione e la sporulazione è risultata essere rispettivamente 24.4, 25.7 e 21.3°C per P. xanthii e 17.9, 17.3 e 16.2°C per G. cichoracearum. Un modello meccanicistico è stato sviluppato per il rischio che i due agenti patogeni causassero un attacco di oidio. Il modello simula la germinazione su foglie infettate sulla base delle condizioni ambientali di temperatura e umidità relativa. Le equazioni che calcolano la germinazione delle dei conidi di entrambi i funghi sono state sviluppate sulla base di dati presenti in bibliografia. Un secondo modello meccanicistico è stato sviluppato per Pseudoperonospora cubensis, agente causale della peronospora delle cucurbitacee. Il modello calcola la data di comparsa dei sintomi e la probabilità del superamento di determinate soglie di gravità della malattia, sulla base di sotto-processi dell’infezione. Il passaggio da uno stato dell’infezione al successivo è dipendente dalle condizioni ambientali. Entrambi i modelli sono stati validati confrontando i dati ottenuti dai modelli con dati indipendenti rilevati in coltivazioni del nord Italia.
Cucurbits are potentially affected by more than 200 diseases of diverse etiologies, so a good disease management is crucial to reduce the risk of high yield losses in terms of quantity and quality. Among the more important diseases there are powdery and downy mildew. Podosphaera xanthii and Golovinomyces cichoracearum are the causal agents of cucurbit powdery mildew. The effect of temperature on conidial germination was studied in controlled condition at 6 constant temperature (from 10 to 35°C, step 5°C) for 3 to 72 hours. Optima temperature for conidial germination, infection and sporulation were 24.4, 25.7 and 21.3°C respectively for P. xanthii and 17.9, 17.3 and 16.2°C for G. cichoracearum. A mechanistic model was developed for the risk posed by P. xanthii and G. cichoracearum to cause cucurbit powdery mildew. The model simulates germination on infected leaves on the base of environmental conditions of temperature and relative humidity. Equation regulating spore germination of both fungi were developed using published data. Another mechanistic model was develop also for Pseudoperonospora cubensis, causal agent of cucurbit downy mildew. The model calculates the symptoms appearance and the probability of overtaking severity threshold based on sub-processes of infection. Changes from one state of the infection to the following one depend on environmental conditions. Both models were validated by comparing model outputs with independent data sets collected in fields located in the north of Italy.

This Ph.D. dissertation focuses on optimizing automated decision-making processes involving critical aspects of road management tasks. Specifically, the research aims to define and implement specific strategies for supplying support to decision-makers considering two leading elements: road maintenance and road safety. We propose some novel applications based on the integrated use of high-performance Non-Destructive Techniques (NDTs) and Geographical Information Systems (GISs) in order to obtain a “fully sensed” infrastructure, creating a multi-scale database concerning structural, geometrical, functional, social, and environmental characteristics. The environmental aspect is essential since climate change phenomena and extreme natural events are increasingly linked with infrastructure damage and serviceability; nonetheless, current Pavement Management Systems (PMSs) commonly rely solely on road pavement structural characteristics and surface functional performance. The high amount of collected data serves as input for calibrating different data-driven approaches, such as Machine Learning Algorithms (MLAs) and statistical regressions. Considering the aspect of road monitoring and maintenance, such models allow identifying the environmental factors that have the most significant impact on road damage and serviceability, as well as recognizing road sites with critical health conditions that need to be restored. Moreover, the calibrated MLAs enable decision-makers to determine the road maintenance interventions with higher priority. Considering road safety, the calibrated MLAs allow identifying the sites where serious road crashes can be triggered and estimating the crash count in a specified time frame. Moreover, it is possible to recognize infrastructure-related factors that significantly impact crash likelihood. Road authorities may consider the outcomes of the dissertation as a novel approach for drafting appropriate guidelines and defining more objective management programs.