Mappatura ad alta risoluzione delle inondazioni e valutazione degli impatti agricoli tramite telerilevamento satellitare / Advanced Remote Sensing for High-Resolution Flood Detection and Agricultural Impact Assessment Across Various Regions

Accurately mapping flood extents and assessing their impacts on agriculture remains a critical challenge for disaster risk reduction and climate adaptation, particularly under conditions of rapid onset, limited ground observations, and persistent cloud cover. This thesis presents a set of modular, open-source methodologies based on synthetic aperture radar (SAR) data to address key gaps in high-resolution flood detection and impact quantification across different geographic contexts. The first part of the research develops an automated flood mapping algorithm using Sentinel-1 imagery. The method combines fixed-threshold classification, localized histogram-based adaptive thresholding, and geomorphological post-processing to produce accurate flood extent maps. The algorithm is validated using the case of Cyclone Idai in Mozambique, demonstrating high consistency with reference datasets such as CEMS and the Global Flood Monitoring product, and strong agreement across key land cover types. The second chapter focuses on the agricultural impacts of the 2023 floods in Emilia-Romagna, Italy. By integrating SAR-derived flood extent and depth data with crop classification and field-level NDVI trends, the study quantifies both the spatial and temporal dimensions of agricultural disruption. A tailored infiltration and flood duration model is also implemented to simulate water retention dynamics and their implications on crop productivity. The results reveal significant differences in crop outcomes between flooded and non-flooded areas, with marked delays in vegetation recovery linked to flood persistence and soil properties. The final chapter applies the developed methods to the case of Lake Tulare, California, where extreme flooding in spring 2023 inundated extensive cropland. A predictive framework is introduced to estimate ex-ante agricultural losses based on flood timing, historical planting probabilities, and expected revenue. The methodology successfully identifies fields unlikely to be planted and estimates over $150 million in revenue losses, highlighting the critical role of insurance coverage and crop value in shaping farmers’ decisions. The analysis further demonstrates how Sentinel-1 data can be leveraged to provide timely loss estimates during ongoing emergencies. Across all chapters, the thesis emphasizes reproducibility, scalability, and practical relevance. All source code is publicly available, and workflows are designed for rapid deployment in cloud platforms such as Google Earth Engine. The contributions of this work advance the state of the art in flood mapping and agricultural impact assessment and provide valuable tools for supporting early response, risk planning, and policy-making in flood-prone regions.

La mappatura accurata delle aree allagate e la valutazione dei loro effetti sull’agricoltura rappresentano ancora una sfida centrale per la riduzione del rischio e l’adattamento ai cambiamenti climatici, soprattutto in presenza di eventi improvvisi, di osservazioni a terra limitate e di persistente copertura nuvolosa. La presente tesi propone un insieme di metodologie modulari e open-source basate su dati radar ad apertura sintetica (SAR), concepite per colmare lacune rilevanti nella rilevazione ad alta risoluzione delle inondazioni e nella quantificazione dei loro impatti in differenti contesti geografici. Nella prima parte viene sviluppato un algoritmo automatico di mappatura delle inondazioni a partire da immagini Sentinel-1. L’approccio integra una classificazione a soglia fissa, una sogliatura adattiva basata su istogrammi locali e una fase di post-elaborazione geomorfologica, al fine di ottenere mappe di estensione delle inondazioni accurate e consistenti. La validazione, condotta sul caso del ciclone Idai in Mozambico, evidenzia un’elevata coerenza con dataset di riferimento quali CEMS e Global Flood Monitoring, nonché un forte accordo nei principali tipi di copertura del suolo. Il secondo capitolo è dedicato all’analisi degli impatti agricoli delle inondazioni del 2023 in Emilia-Romagna. L’integrazione tra dati SAR relativi a estensione e profondità dell’allagamento, classificazioni colturali e dinamiche dell’NDVI a livello di campo consente di quantificare le dimensioni spaziali e temporali delle perturbazioni agricole. È stato inoltre implementato un modello specifico di infiltrazione e durata dell’allagamento per simulare le dinamiche di ritenzione idrica e valutarne le implicazioni sulla produttività colturale. I risultati mostrano differenze sostanziali negli esiti produttivi tra aree allagate e non allagate, con ritardi significativi nella ripresa vegetativa attribuibili alla persistenza delle inondazioni e alle caratteristiche pedologiche. Il terzo capitolo applica i metodi sviluppati al caso del Lago Tulare, in California, dove le inondazioni estreme della primavera 2023 hanno interessato estese superfici agricole. Viene proposto un quadro predittivo per stimare ex-ante le perdite agricole, basato sulla tempistica dell’evento, sulle probabilità storiche di semina e sui ricavi attesi. La metodologia consente di identificare i campi non suscettibili di semina e di stimare perdite economiche superiori a 150 milioni di dollari, evidenziando il ruolo determinante della copertura assicurativa e del valore delle colture nelle scelte aziendali. L’analisi dimostra inoltre la capacità dei dati Sentinel-1 di fornire stime tempestive delle perdite anche in corso di emergenza. Insieme, i tre capitoli sottolineano l’importanza della riproducibilità, della scalabilità e della rilevanza applicativa. Tutto il codice sviluppato è reso disponibile in modalità open-source e i workflow sono progettati per un impiego rapido su piattaforme cloud, quali Google Earth Engine. I risultati conseguiti avanzano lo stato dell’arte nella mappatura delle inondazioni e nella valutazione degli impatti agricoli, offrendo strumenti concreti a supporto della risposta rapida, della pianificazione del rischio e dei processi decisionali nelle aree esposte a rischio idraulico.