Figura 1 (a,b): Inquadramento territoriale e morfologico dell'area dell'evento. A sinistra, la localizzazione multi-scala, dal contesto mediterraneo al dettaglio dei centri abitati colpiti (Giampilieri, Scaletta Zanclea, ecc.). A destra, viste prospettiche tridimensionali che evidenziano l'orografia del territorio costiero e il contesto geografico dello Stretto di Messina.
Figure 1 (a,b): Territorial and morphological overview of the area affected by the event. On the left, the multi-scale location, ranging from the Mediterranean context to the specific settlements affected (Giampilieri, Scaletta Zanclea, etc.). On the right, three-dimensional perspective views highlighting the coastal terrain's topography and the geographical setting of the Strait of Messina.
Descrizione dell’evento estremo nell’area Ionica di Messina
Il 1° ottobre 2009, una violenta perturbazione colpì la Sicilia nord-orientale, in particolare la costa ionica del messinese, causando eventi meteorologici estremi nelle frazioni del comune di Messina come Molino, Altolia, Briga, Pezzolo, Scaletta Zanclea, Itala e, in particolare a Giampilieri [1,2,3].
Description of the extreme event in the Ionian area of Messina
On October 1, 2009, a violent storm system struck northeastern Sicily specifically the Ionian coast of the Messina area-causing extreme weather events in localities within the municipality of Messina such as Molino, Altolia, Briga, Pezzolo, Scaletta Zanclea, and Itala, and particularly in Giampilieri [1,2,3].
Cause che hanno innescato l’evento e conseguenze
Il disastro del 1° ottobre 2009 è scaturito dalla tragica combinazione di precipitazioni estreme e vulnerabilità territoriale. Sistemi temporaleschi autorigeneranti e fortemente localizzati, alimentati da temperature marine elevate (26-27°C), hanno scaricato oltre 220 mm di pioggia in poche ore [4]. L'impatto dell'acqua su versanti molto ripidi e suoli già saturi dalle precipitazioni di settembre [5] ha innescato circa un migliaio di rapide e devastanti colate detritiche [6]. Le conseguenze fisiche e sociali sono state catastrofiche: la distruzione di interi centri abitati lungo la costa messinese (come Giampilieri, Molino e Altolia), migliaia di sfollati e, drammaticamente, la perdita di 37 vite umane, in un contesto aggravato da gravi ritardi istituzionali e inefficienze nella gestione dell'emergenza [7].
Causes that triggered the event and consequences
The disaster of October 1, 2009, stemmed from a tragic combination of extreme rainfall and territorial vulnerability. Self-regenerating and highly localized storm systems, fueled by high sea surface temperatures (26-27°C), dumped over 220 mm of rain in just a few hours [4]. The impact of the water on very steep slopes and soils already saturated by September’s [5] rainfall triggered about a thousand rapid and devastating debris flows [6]. The physical and social consequences were catastrophic: the destruction of entire towns along the Messina coast (such as Giampilieri, Molino, and Altolia), thousands of displaced people, and, tragically, the loss of 37 lives, in a context worsened by severe institutional delays and inefficiencies in emergency management [7].
Figura 2 (a,b,c,d,e,f,g,h): Foto scattate dopo l'alluvione di Giampilieri del 1° ottobre 2009 (foto presa da Rossellini 2012).
Figure 2 (a,b,c,d,e,f,g,h): Pictures taken after the 1 October 2009 Giampilieri flood (Ph. from Rossellini 2012).
Figura 4: Vista delle colate di detriti verificatesi il 1° ottobre 2009 nel paese di Giampilieri Superiore (immagine per gentile concessione di Paolo Pino).
Figure 4: View of debris flows that occurred on 1 October 2009 in Giampilieri Superiore village (image courtesy of Paolo Pino).
Descrizione dell’evento geomorfologico
L'area colpita, che comprende i bacini di Giampilieri e Briga, presenta una conformazione naturale particolarmente vulnerabile. Le montagne sono costituite da rocce metamorfiche [8,9,10] ricoperte da uno strato molto sottile di terriccio e detriti sciolti (depositi eluvio-colluviali) [11,12], il cui spessore varia tra 1,5 e 2,5 metri. Questa fragilità geologica si unisce a una morfologia estrema, segnata da pendenze superiori ai 30 gradi [13] e da valli molto strette che fanno defluire le acque in tempi rapidissimi, da pochi minuti a un’ora [14]. Durante l'evento meteorologico, le piogge eccezionali hanno saturato completamente questa sottile copertura di terra superficiale. Impregnato d'acqua, il terriccio è scivolato in blocco sulla roccia dura sottostante [15], innescando i crolli. Scendendo precipitosamente verso valle, il materiale ha accumulato volume, raggiungendo fino a 14.000 metri cubi per singola frana [16,2]. Questa massa si è trasformata in violentissime colate detritiche (debris flows) che hanno terminato la loro corsa distruttiva esattamente nei fondovalle, abbattendosi tragicamente proprio sulle aree in cui sorgono i centri abitati.
Description of the geomorphological event
The affected area, which includes the Giampilieri and Briga basins, has a particularly vulnerable natural conformation. The mountains consist of metamorphic rocks [8,9,10] covered by a very thin layer of topsoil and loose debris (eluvial-colluvial deposits) [11,12], with a thickness ranging between 1.5 and 2.5 meters. This geological fragility is coupled with an extreme morphology, characterized by slopes exceeding 30 degrees [13] and very narrow valleys that cause water to drain very rapidly, in times ranging from a few minutes to an hour [14]. During the weather event, exceptional rainfall completely saturated this thin surface soil cover. Soaked with water, the topsoil slid en bloc over the underlying hard rock [15], triggering the collapses. Rushing down towards the valley, the material accumulated volume, reaching up to 14,000 cubic meters per single landslide [16,2]. This mass transformed into extremely violent debris flows that ended their destructive run exactly in the valley bottoms, tragically crashing right into the areas where the inhabited centers are located.
Modellazione e analisi geomorfologica
Per comprendere a fondo le dinamiche di questi inneschi e mappare le aree di pericolo, i ricercatori hanno affiancato alle osservazioni dirette una dettagliata modellazione spaziale. Attraverso nuovi rilievi sul campo e l'utilizzo di software GIS (Sistemi Informativi Geografici), i dati raccolti sono stati elaborati utilizzando un Modello Digitale del Terreno (DTM) ad altissima risoluzione. Sovrapponendo la mappa storica delle frane [3, 17, 18] con la mappa delle pendenze e quella geologica, è stato possibile calcolare matematicamente i fattori critici scatenanti. I risultati di questa analisi spaziale hanno dimostrato che la quasi totalità degli inneschi (circa il 60%) si è verificata in una fascia di pendenza molto specifica, compresa tra i 35° e i 45° [4, 3], e principalmente in corrispondenza di precise formazioni rocciose (paragneiss e scisti). Il modello ha inoltre confermato che le pendenze inferiori ai 35° generano raramente colate, mentre sui pendii più estremi (oltre i 50°) la roccia affiorante non trattiene una quantità di terreno sufficiente ad alimentare frane di grandi dimensioni [3].
Geomorphological modelling and analysis
To fully understand the dynamics of these triggers and map the hazard areas, researchers combined direct observations with detailed spatial modelling. Through new field surveys and the use of GIS (Geographic Information Systems) software, the collected data were processed using a very high-resolution Digital Terrain Model (DTM). By overlaying the historical landslide map [3, 17, 18] with the slope and geological maps, it was possible to mathematically calculate the critical triggering factors. The results of this spatial analysis demonstrated that almost all of the triggers (approximately 60%) occurred in a very specific slope range, between 35° and 45° [4, 3], and mainly in correspondence with specific rock formations (paragneiss and schists). The model further confirmed that slopes below 35° rarely generate flows, whereas on the most extreme slopes (over 50°), the outcropping rock does not retain a sufficient amount of soil to fuel large-scale landslides [3].
Figura 5: Mappa geologica e geomorfologica dei bacini di Giampilieri e Briga, che evidenzia le zone di innesco e trasporto delle colate detritiche (in rosso) basate sull'inventario ENEA.
Figure 5: Geological and geomorphological map of the Giampilieri and Briga basins, highlighting the debris flow source and transportation zones (in red) based on the ENEA inventory.
Figura 6: Mappa delle pendenze dei bacini studiati divisa in cinque intervalli, che mostra la posizione esatta delle aree di innesco e delle zone di trasporto delle colate detritiche.
Figure 6: Slope angle map of the studied basins divided into five intervals, showing the exact location of debris flow source areas and transportation zones.
Figura 7: Mappa dettagliata di Giampilieri Superiore e Molino che illustra i percorsi delle colate detritiche, evidenziando che la stragrande maggioranza delle aree di innesco si è verificata su pendii compresi tra 35° e 45° (in arancione).
Figure 7: Detailed map of Giampilieri Superiore and Molino illustrating the debris flow paths, emphasizing that the vast majority of source areas occurred on slopes between 35° and 45° (in orange).
Fonti e riferimenti bibliografici / Sources and References
- Ardizzone et al. 2012. Landslide inventory map for the Briga and the Giampilieri catchments, NE Sicily, Italy. Journal of Maps, 8(2), 176-180.
- Falconi et al. 2013. In Landslide Science and Practice: Volume 1: Landslide Inventory and Susceptibility and Hazard Zoning (pp. 533-540). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-31325-7_70.
- Puglisi et al. 2013. “Valutazione della pericolosità da frana nel territorio del Comune di Messina”. ENEA RT-2013-18, Roma, 161 p. ISSN/0393-3016. https://iris.enea.it/handle/20.500.12079/6666.
- Del Ventisette et al. 2012. Report of meteorological events, 1 October, Region of Sicily - Civil Protection Agency.
- Napoli et al. 2015. Soil Water Content and Triggering of Debris Flows in the Messina Area (Italy): Preliminary Remarks. In: Lollino, G., et al. Engineering Geology for Society and Territory - Volume 2. Springer, Cham. https://doi.org/10.1007/978-3-319-09057-3_378
- Hungr et al. 2014. The Varnes classification of landslide types, an update. Landslides, 11(2), 167-194. https://doi.org/10.1007/s10346-013-0436-y
- Rossellini 2012. Rossellini, G.: Inferno Di Fango. Rizzoli, Milano, Italia, 2012.
- Lentini 1999. Carta geologica della Provincia di Messina, scala 1:50.000, 3 fogli. S.EL.CA. (Ed.), Firenze.
- Lentini et al. 2000. Note Illustrative della Carta Geologica della Provincia di Messina, scala 1:50.000. S.EL.CA. (Ed.), Firenze.
- Servizio Geologico d’Italia 2008. Carta Geologica d’Italia in scala 1:50.000, Foglio 601 Messina, Reggio Calabria, Coordinatore F. Lentini. APAT/Regione Siciliana/D.S.G.-Università di Catania. ISPRA.
- Falconi et al 2013. Geomorphology hazard assessment of Giampilieri and Briga river basins after the rainfall event on the October 1, 2009 (Sicily, Italy). In Landslide Science and Practice: Volume 1: Landslide Inventory and Susceptibility and Hazard Zoning (pp. 533-540). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-31325-7_70
- Scudero and De Guidi 2013. Landslide Processes and Susceptibility Mapping in NE Sicily, Italy. In: Margottini, C., Canuti, P., Sassa, K. (eds) Landslide Science and Practice. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-31325-7_64
- Hutchinson 1988. General report: Morphological and geotechnical parameters of landslides in relation to geology and hydrogeology.
- Pino 2016. Studio per la definizione del rischio idrogeologico nell’ambito dell’aggiornamento del Piano Comunale di Protezione Civile della Città di Messina.
- Campbell 1975. Soil slips, debris flows, and rainstorms in the Santa Monica Mountains and vicinity, southern California (Vol. 851). US Government Printing Office.
- Jakob 2005. A size classification for debris flows. Engineering geology, 79(3-4), 151-161.
- Leoni et al. 2013. “Valutazione della pericolosità da frana nel territorio del Comune di Messina”. ENEA RT-2013-18, Roma, 161 p. ISSN/0393-3016. https://iris.enea.it/handle/20.500.12079/6666
- Malerba et al. 2015. “Landslides inventory in the Messina municipality area: Integration of historical and field survey data”. In Engineering Geology for Society and Territory-Volume 2 (pp. 967-970). Springer, Cham. DOI: 10.1007/978-3-319-09057-3_168
Figura 1: Logo ufficiale del modello Weather Research and Forecasting (WRF).
Figure 1: Official logo of the Weather Research and Forecasting (WRF) model.
Weather Research and Forecasting Model (WRF)
Il modello WRF (Weather Research and Forecasting) [1] è un sistema open-source di previsione meteorologica (NWP) ad alta risoluzione. Supportato dall'infrastruttura WSF per la gestione di processi fisici e calcoli paralleli, il modello utilizza due nuclei dinamici principali: l'ARW (più flessibile e ampiamente supportato) e l'NMM (utile per specifiche applicazioni ad altissima risoluzione). Per garantire previsioni accurate, il modello segue un flusso di lavoro ben definito:
- Pre-processing (WPS): Prepara i dati in tre fasi. Geogrid definisce il dominio spaziale e i dati statici; Ungrib decodifica i file meteorologici aggiornati; Metgrid interpola questi dati per renderli compatibili con il modello.
- Post-processing: Analizza e visualizza i risultati generati utilizzando software dedicati (come Ncview, GrADS, NCL, VAPOR).
- Verifica e Ottimizzazione: L'affidabilità viene testata confrontando le previsioni con le osservazioni reali. Le simulazioni possono essere ottimizzate migliorando la risoluzione, i dati iniziali e l'efficienza computazionale.
Il WRF è altamente versatile grazie alle sue estensioni, che permettono di applicarlo oltre la meteorologia: WRF-Chem [2,3] per la chimica atmosferica, WRF-Hydro [4] per la modellazione idrologica e WRF-Fire [5] per la simulazione di incendi boschivi.
Weather Research and Forecasting Model (WRF)
The WRF (Weather Research and Forecasting) model [1] is an open-source, high-resolution Numerical Weather Prediction (NWP) system. Supported by the WSF infrastructure to manage physical processes and parallel computing, the model uses two main dynamic cores: ARW (more flexible and widely supported) and NMM (useful for specific ultra-high resolution applications). To ensure accurate forecasts, the model follows a strictly defined workflow:
- Pre-processing (WPS): Prepares data in three steps. Geogrid defines the spatial domain and static data; Ungrib decodes up-to-date meteorological files; Metgrid interpolates these data to make them compatible with the model.
- Post-processing: Analyzes and visualizes the generated results using dedicated software tools (such as Ncview, GrADS, NCL, VAPOR).
- Verification and Optimization: Reliability is tested by comparing forecasts with actual observations. Simulations can be optimized by refining resolution, initial data, and computational efficiency.
WRF is highly versatile thanks to its extensions, allowing it to be applied beyond meteorology: WRF-Chem [2,3] for atmospheric chemistry, WRF-Hydro [4] for hydrological modeling, and WRF-Fire [5] for simulating forest fires.
Simulazione atmosferica
Sono state condotte oltre 30 simulazioni della durata di 48 ore (dal 1 al 3 ottobre 2009) utilizzando il modello WRF, partendo dalla configurazione operativa del modello WRF-Unime [6]. Le simulazioni hanno testato diverse combinazioni di schemi di parametrizzazione: cumuli [7,8,9,10], microfisica [11,12,13] e Planetary Boundary Layer (PBL) [14,15]. I test sono stati eseguiti con una griglia spaziale di 3 x 3 km e 35 livelli verticali, utilizzando i dati GFS FNL per le condizioni iniziali e al contorno. È stata inoltre effettuata una simulazione a 1 km di risoluzione basata sul setup migliore. Tra le varie combinazioni, la configurazione n. 3 (schema Tiedtke, convezione esplicita, microfisica Thompson Aerosol-Aware e MYJ PBL) ha fornito il miglior modello di distribuzione delle precipitazioni, individuando correttamente i maggiori accumuli nell'area ionica di Messina. Tuttavia, confrontando i risultati con i dati reali raccolti dalle reti siciliane (SIAS, ARRA e DRPC), i valori di pioggia previsti dal modello sono risultati sottostimati. Nonostante questa sottostima quantitativa, il sistema di previsione ha riprodotto fedelmente l'andamento atmosferico generale, permettendo di identificare con precisione le aree colpite dalle precipitazioni più pericolose.
Atmospheric simulation
Over 30 48-hour simulations (from October 1 to October 3, 2009) were conducted using the WRF model, starting from the operational configuration adopted by the WRF-Unime model [6]. The simulations tested various combinations of parameterization schemes: cumulus [7,8,9,10], microphysics [11,12,13], and Planetary Boundary Layer (PBL) [14,15]. The tests were run with a horizontal grid spacing of 3 x 3 km and 35 vertical levels, using GFS FNL data for initial and boundary conditions. An additional 1 km resolution simulation was performed using the best-performing setup. Among the variations, configuration n. 3 (Tiedtke cumulus scheme, explicit convection, Thompson Aerosol-Aware microphysics, and MYJ PBL) showed the best rainfall distribution pattern, accurately highlighting the highest accumulations in the Messina Ionian area. However, when compared to the actual observations from the Sicilian gauge networks (SIAS, ARRA, and DRPC), the predicted rainfall values were underestimated. Despite underestimating the total rainfall amounts, the forecasting system provided a good representation of the overall atmospheric pattern, successfully identifying the areas affected by hazardous accumulations.
| Parameterizations | Number of schemes | Adopted models |
|---|---|---|
| Cumulus | 5 | Explicit, Kain–Fritsch, Grell–Devenyi Ensemble, Tiedtke, Grell–Freitas Scale-Aware |
| Microphysics | 3 | Lin, Thompson, Thompson Aerosol-Aware |
Tab. 1: Schemi di parametrizzazione adottati nelle simulazioni.
Tab. 1: Parameterization schemes adopted in the simulations.
Conclusioni
In questo lavoro, abbiamo studiato l'evento meteorologico estremo verificatosi il 1° ottobre 2009 nell'area ionica di Messina (Sicilia nord-orientale). Questo evento è stato causato da un quadro atmosferico molto complesso, caratterizzato dalla combinazione di diversi fattori, tra cui una saccatura tra la Tunisia e le isole maggiori, due MCS (Sistemi Convettivi a Mesoscala), un temporale convettivo termico marino autorigenerante e alti valori di temperatura superficiale del mare, che localmente hanno raggiunto valori fino a 26-27 °C.
Questo evento estremo ha colpito in particolar modo le frazioni di Briga, Giampilieri, Molino, Altolia e Pezzolo nel comune di Messina, oltre a Scaletta Zanclea e Itala. In queste zone sono stati osservati accumuli di precipitazioni estremi, caratterizzati da un picco di accumulo pari a 220 mm in 7 ore con un tasso di precipitazione massimo di 2 mm min⁻¹. Questo grave evento pluviometrico, unitamente alle caratteristiche geomorfologiche dell'area di studio e alle condizioni di saturazione del suolo dovute agli accumuli di pioggia osservati nel mese precedente (~500 mm), che erano ben al di sopra della media climatica del periodo per l'area di Messina, ha causato la genesi di colate detritiche (debris flows).
Questo evento ha avuto un impatto significativo sull'area colpita, inclusi edifici, infrastrutture e popolazione, provocando tragicamente 37 vittime.
In questo articolo, abbiamo analizzato questo grave evento meteorologico da un punto di vista multidisciplinare, accoppiando un approccio di simulazione meteorologica eseguito tramite il modello WRF con la caratterizzazione geomorfologica dell'area e l'analisi dell'impatto sociale causato da questa tragedia.
Per quanto riguarda le simulazioni modellistiche, sono state adottate diverse configurazioni. La maggior parte di esse ha mostrato una buona rappresentazione del quadro atmosferico generale osservato. Tuttavia, sebbene i migliori setup del modello abbiano fornito i valori di precipitazione più elevati nell'area ionica di Messina, i picchi di precipitazione simulati hanno assunto valori inferiori rispetto a quelli osservati dalla rete di stazioni meteorologiche. Ciò sottolinea la natura estremamente localizzata dell'evento, che non è stato ben previsto nemmeno dagli altri modelli meteorologici, in accordo sia con i dati di input atmosferici disponibili sia con gli sviluppi dei modelli nel 2009. Questo suggerisce che gli studi futuri su fenomeni simili dovranno considerare l'adozione di una risoluzione di griglia più elevata congiuntamente a tecniche di assimilazione dei dati, inclusa la temperatura superficiale del mare ad alta risoluzione, che svolge un ruolo chiave nella genesi di tali eventi localizzati.
Abbiamo inoltre esaminato le frane superficiali e le colate detritiche generate dalle precipitazioni del 1° ottobre 2009 nei bacini idrografici urbanizzati di Giampilieri e Briga.
La ricerca preliminare ha considerato due fattori (la litologia del substrato con le relative coperture detritiche e l'angolo di pendenza) come i più importanti nella generazione di cedimenti superficiali dei versanti rispetto alle colate detritiche nell'area di studio. Sono state prodotte due mappe tematiche, che rappresentano la relazione tra i fattori identificati e le aree di innesco delle colate detritiche, derivate utilizzando un inventario delle frane esistente. Le mappe di output e i risultati ottenuti dall'analisi GIS hanno mostrato che il più alto indice di suscettibilità da frana per l'area di innesco riguardava la mobilitazione delle coperture detritiche su substrati metamorfici di basso-medio grado (principalmente scisti, paragneiss e filladi) all'interno della classe di pendenza di 35-45 gradi.
Si tratta di un rapido metodo basato su GIS per ottenere mappe di suscettibilità alle frane a scala regionale, prevedendo la distribuzione spaziale delle aree di innesco delle colate detritiche indotte da forti piogge. La capacità predittiva di questo tipo di mappe di suscettibilità, insieme agli inventari delle frane preesistenti aggiornati e migliorati con informazioni dettagliate per ogni evento franoso (es. tipo, area di innesco, età, spessore della copertura detritica coinvolta, volume), può essere utilizzata per supportare le Autorità nella pianificazione territoriale e fornire informazioni critiche ai decisori e agli stakeholder per la preparazione e la mitigazione dei rischi nelle regioni montuose con condizioni morfologiche paragonabili a quelle dell'area di studio.
Tuttavia, per migliorare le prestazioni predittive delle mappe di suscettibilità alle colate detritiche, è necessario comprendere l'influenza di altri fattori ambientali che controllano i cedimenti superficiali dei versanti (es. vicinanza al reticolo idrografico, copertura del suolo, drenaggio del suolo, umidità del suolo, proprietà geotecniche del suolo e della copertura detritica, curvatura ed esposizione del versante), e le complesse relazioni tra i fattori predisponenti e il verificarsi di colate detritiche considerando il principale fattore scatenante legato all'intensità delle precipitazioni.
L'evento del 1° ottobre 2009 è stato studiato anche dal punto di vista dell'impatto sociale, insieme ad altri eventi verificatisi nello stesso periodo. Infatti, tra il 2009 e il 2011, Messina e la sua provincia sono state colpite da quattro inondazioni catastrofiche, con un bilancio di 40 morti, distruzioni massicce e migliaia di sfollati. Piogge torrenziali e frane hanno devastato intere cittadine, mettendo in luce gravi carenze nella gestione del territorio e nella preparazione alle emergenze. Le autorità sono state lente nel rispondere e le infondate accuse di abusivismo edilizio hanno aggravato l'isolamento delle comunità colpite. Le analisi del contesto sociale hanno rivelato che, nonostante le sofferenze, gli abitanti del luogo hanno rifiutato il trasferimento e hanno organizzato iniziative spontanee dal basso per ricostruire. La tragedia ha evidenziato il più ampio divario infrastrutturale tra il Nord e il Sud Italia, ma ha anche innescato un rinnovato spirito civico e la determinazione a riprendere in mano il proprio futuro.
In conclusione, i risultati ottenuti in questo studio hanno evidenziato che un approccio integrato che unisce le più recenti tecniche di modellazione, la mappatura geomorfologica dettagliata e il monitoraggio pluviometrico e della saturazione del suolo può essere uno strumento valido per prevedere precipitazioni estreme e i conseguenti eventi di colata detritica. Esso svolge così un ruolo chiave nel supportare le amministrazioni locali e le Autorità nella pianificazione territoriale e nella corretta gestione delle aree interessate da tali eventi meteorologici e geomorfologici estremi.
Conclusions
In this work, we studied the extreme weather event which occurred on 1 October 2009 in the Messina Ionian area (NE Sicily). This event was caused by a very complex atmospheric framework, featured by the combination of different factors, including a trough between Tunisia and the major Islands, two MCSs, a self-regenerative marine thermal convective storm and high values of the sea surface temperature, that locally reached values up to 26-27 °C.
This extreme event particularly affected the hamlets of Briga, Giampilieri, Molino, Altolia, Pezzolo in the municipality of Messina, Scaletta Zanclea and Itala. Here extreme rainfall accumulations, featured by a rainfall accumulation peak equal to 220 min in 7 hours with a maximum rain rate of 2 mm min-1, were observed. This severe pluviometric event, jointly with the geomorphological feature of the investigated area and the condition of soil saturation due to rainfall accumulation observed in the previous month (~500 mm) which were well above the climatic average of the period for the Messina area, caused the genesis of debris flows.
This event had a significant impact on the affected area, including buildings, infrastructures and population, tragically resulting in 37 victims.
In this paper, we analyzed this severe weather event from a multidisciplinary point of view by coupling a weather simulation approach performed through the WRF model with geomorphologic characterization of the area and the analysis of the social impact caused by this tragic event.
Concerning model simulations, several modelling settings were adopted. Most of the configuration showed a good representation of the overall atmospheric pattern observed. However, although the best model setups provided the highest rainfall values in the Messina Ionian area, the simulated rainfall peaks assumed lower values with respect to those observed by the weather station network. This underlines the extremely localized nature of the event, which was also not well predicted by the other weather models, according to both available atmospheric input data and model developments in 2009. This suggests that future studies on similar phenomena have to consider the adoption of higher grid resolution jointly with data assimilation techniques, including the high-resolution sea surface temperature, which plays a key role in the genesis of such localized events.
We also examined the 1 October 2009 rainfall-generated shallow landslide/debris-flow in the Giampilieri and Briga urbanized catchments.
Preliminary research considered two factors (substratum lithology with their debris covers and slope angle) as the most important generating shallow slope failures versus debris flows in the study area. Two thematic maps, representing the relationship between the identified factors with the source area debris flows derived using an existing landslide inventory, were produced. The output maps and results obtained from GIS analysis showed that the highest source area landslide susceptibility index concerned the mobilization of debris covers on low-medium grade metamorphic substrates (mostly schists, paragneiss and phyllites) within the 35-45 slope angle degrees class.
This is a quick Gis-based method to obtain landslide susceptibility maps at regional scale predicting spatial distribution source area debris flows heavy rainfall-induced. The predictive capability of this kind of susceptibility maps together with the updated and improved pre-existing landslides inventories distinguished with detailed information for each landslide event (e.g. type, source area, age, thickness debris cover affected, volume), can be used to support Authorities in land-use planning and provide critical information to decision makers and stakeholders of preparedness and hazard mitigation in mountainous regions with comparable morphological conditions of the study area.
However, to improve the predictive performance of the debris flows susceptibility maps it is necessary to understand the influence of others environmental factors that control shallow slope failures (e.g. proximity to drainage network, land cover, soil drainage, soil moisture, geotechnical properties of soil and debris cover, curvature and slope aspect), and the complex relationships between predisposing factors and debris flows occurrence considering the main triggering factor related to rainfall intensity.
The event of 1 October 2009 were also studied from the social impact point of view, along with other events occurred in the same period. In fact, between 2009 and 2011, Messina and its province were hit by four catastrophic floods, resulting in 40 deaths, massive destruction, and thousands of displaced residents. Torrential rains and landslides devastated entire towns, exposing serious flaws in land management and emergency preparedness. Authorities were slow to respond, and unfounded accusations of illegal construction worsened the isolation of affected communities. The analyses of the social context revealed that despite the suffering, locals refused relocation and organized grassroots efforts to rebuild. The tragedy highlighted the broader infrastructural divide between Northern and Southern Italy, but also sparked a renewed civic spirit and determination to reclaim their future.
In conclusion, results achieved in this study highlighted that an integrated approach coupling the newest modelling techniques, detailed geomorphological mapping, pluviometric and soil saturation monitoring can be a valid tool to predict extreme rainfall and the consequent debris flow events, thus playing a key role for supporting the local administrations and Authorities in the land-use planning and in the correct management of the areas affected by such extreme weather and geomorphological events.
Mappe delle simulazioni WRF / WRF simulation maps
Fonti e riferimenti bibliografici / Sources and References
- Skamarock et al. 2019. A description of the Advanced Research WRF Version 4. National Center for Atmospheric Research. DOI: 10.5065/D6VQ30Q9
- Grell et al. 2005. Fully coupled online chemistry within the wrf model. Atmospheric Environment, 39(37):6957–6975
- Grell and Baklanov 2011.A call for fully coupled approaches. Atmospheric Environment, 45(38):6845 – 6851. Modeling of Air Quality Impacts, Forecasting and Interactions with Climate
- Gochis et al. 2020. The WRF-Hydro modeling system version 5.0: Technical description and user guide. National Center for Atmospheric Research. DOI: 10.5065/D6W094P1
- Coen et al. 2013. WRF-Fire: Coupled weather–wildland fire modeling with the Weather Research and Forecasting model. Journal of Applied Meteorology and Climatology, 52(1), 16–38. DOI: 10.1175/JAMC-D-12-023.1
- Caccamo et al. 2025. Customization of Limited Area Model for complex orography territories: the WRF and the WRF-Chem UniMe model; AAPP Atti della Accademia Peloritana dei Pericolanti Classe di Scienze Fisiche, Matematiche e Naturali, ISSN 1825-1242, Vol. 103, No. 1, A2, 2025. DOI: https://doi.org/10.1478/AAPP.1031A2
- Kain 2004. The Kain–Fritsch convective parameterization: An update. Journal of Applied Meteorology, 43(1), 170–181. DOI: 10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2
- Grell and Dévényi 2002. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques. Geophysical Research Letters, 29(14), 38–1. DOI: 10.1029/2002GL015311
- Zhang and Wang 2017. Evaluation of the Tiedtke cumulus parameterization scheme in WRF for tropical cyclone prediction. DOI: 10.1002/qj.2971
- Grell and Freitas 2014. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmospheric Chemistry and Physics, 14(10), 5233–5250. DOI: 10.5194/acp-14-5233-2014
- Lin et al. 1983. Bulk parameterization of the snow field in a cloud model. Journal of Climate and Applied Meteorology, 22(6), 1065–1092. DOI: 10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2
- Thompson et al. 2008. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of a new snow parameterization. Monthly Weather Review, 136(12), 5095–5115. DOI: 10.1175/2008MWR2387.1
- Thompson et al. 2014. Explicit modeling of aerosol physics in the WRF-Chem model: Impacts on cloud microphysics and precipitation. Atmospheric Chemistry and Physics, 14, 5233–5250. DOI: 10.5194/acp-14-5233-2014
- Janjic 2002. Nonsingular implementation of the Mellor–Yamada Level 2.5 scheme in the NCEP Meso model. NCEP Office Note No. 437, NOAA/NWS/NCEP.
- Hong et al. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes. Monthly Weather Review, 134(9), 2318–2341. DOI: 10.1175/MWR3199.1