S A CLASSIFICAZIONE DELLE CAVE DISMESSE DEL R …gislab.dirap.unipa.it/grass_meeting/present/cave... · 2009. 1. 21. · P a l e rm o 1 4-1 6 F e b b ra i o 2 0 0 7, V I I I m e e

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS

Ivan Marchesini, Dip. Ingegneria Civile ed Ambientale - Univ. Perugia

CLASSIFICAZIONE DELLE CAVE DISMESSE DEL TERRITORIO UMBROC. Cencettia, M. Cencib, A. Fredduzzia, I. Marchesinia, A. Monsignorib

a Università di Perugia, Dipartimento di Ingegneria Civile ed Ambientale – Via G. Duranti 1, 06125 Perugia – e-mail: [email protected]

b Regione dell'Umbria – Direzione Ambiente, Territorio ed Infrastrutture, V Servizio - Sezione Cave Miniere ed Acque Minerali, Piazza Partigiani 1 - 06100 Perugia

VIII MEETING DEGLI UTENTI GRASS

Palermo, 14-16 febbraio 2007

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


SCHEMA DELLA PRESENTAZIONESCHEMA DELLA PRESENTAZIONE

● Collaborazione tra Regione Umbria e Università di Perugia

● Descrizione del metodo utilizzato per arrivare alla classificazione delle cave

dismesse della Regione Umbria

●Breve accenno a lavoro in laboratorio e gestione dati territoriali (già

descritto in Cencetti et al. 2003)

●Sopralluoghi sul campo

●analisi dei dati e classificazione

●Legge regionale 11/2006

Il software libero (http://www.fsf.org/) è stato sempre utilizzato, e lo sarà in futuro, per l'analisi e la gestione dei dati. Ciò al fine di rendere riproducibile e verificabile il lavoro svolto.

http://www.fsf.org/

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


● Individuare le aree estrattive catalogate dalla Regione Umbria e realmente esistenti;

● Cartografarne il perimetro e le diverse tipologie di uso del suolo attuale;

● Definirne i parametri geometrici, litologici ed ambientali;

● Classificare le cave, con metodi il più possibile oggettivi, in siti reinseriti nel contesto paesaggistico, ed aree ove si è svolta attività di cava che ha lasciato evidenti segni non compatibili con il contesto territoriale, ambientale e paesaggistico.

Ricognizione delle cave dismesse umbre portato avanti dalla Sezione Cave Miniere ed Acque Minerali della Regione dell'Umbria in stretta collaborazione con il Dipartimento di Ingegneria Civile ed Ambientale dell'Università di Perugia

COLLABORAZIONE TRA REGIONE UMBRIA E COLLABORAZIONE TRA REGIONE UMBRIA E

UNIVERSITÀ DI PERUGIAUNIVERSITÀ DI PERUGIA

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


DATI DI BASE UTILIZZATIDATI DI BASE UTILIZZATI

MAPPENUMERICHE VETTORIALI

CAVE ATTIVE

CAVE DISMESSE

CTR

MAPPENUMERICHE

RASTER

ORTOFOTO

DEM

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


DATI DI BASE UTILIZZATIDATI DI BASE UTILIZZATI

LITOTIPO

MAPPENUMERICHE VETTORIALI

FORMAZIONE GEOL.

CENSIMENTO FRANE

VINCOLI OSTATIVI

VINC. CONDIZIONANTI

RETICOLO IDROG.

TOPONIMI

LIMITI COMUNALI

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


StrumentiStrumenti

SOFTWARE LIBERI UTILIZZATI

HARDWARE E SISTEMA OPERATIVO

ATHLON 64, 2 Gb RAM CentOS GNU-Linux distribution

Grass Gis

PostgreSQLDBMS

R StatisticCreazione geometrie ed attributi

Analisi dei dati tabellari

Gestione del database tramite SQL

creazione Reports

creazione Reports

creazione Reports

Psql - PgAccess

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


DEFINIZIONE DEI LIMITI INTERNI

ALL'AREA DI CAVA

INSERIMENTO MANUALEDEFINIZIONE DEI

LIMITI DELL'AREA DI CAVA

CREAZIONEENTITÀ GEOMETRICHE

CREAZIONE DI CENTROIDI

CREAZIONE ATTRIBUTI TABELLARI

INSERIMENTO TRAMITE FUNZIONI

DI GRASS GIS

INSERIMENTO TRAMITE SCRIPT DI

SHELL

INSERIMENTO PER OVERLAY E

SUCCESSIVA JOIN SQL

METODI DI LABORATORIOMETODI DI LABORATORIO

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


METODIMETODI DI LABORATORIO DI LABORATORIO

Stima dei volumi estratti (ordine di grandezza)

90°

0°

180°

270°

10°350°

Problema nel calcolo dell'esposizione media del versante

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


●Analisi di visibilità delle cave e intersezione con vincoli paesaggistici

●finalizzata al calcolo della superficie di territorio da cui risulta visibile l'attività estrattiva (in un intorno di 4 o 2 km)

●eseguita iterativamente su ciascuna cava

●generazioni di punti random all'interno del perimetro di cava

●calcolo della visibilità per ciascun punto

●creazione di una mappa finale

METODIMETODI DI LABORATORIO DI LABORATORIO

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


SOPRALLUOGHI IN CAMPAGNASOPRALLUOGHI IN CAMPAGNA

Necessità: contenere i costi di spostamento e ridurre il numero di giorni di escursioni

Procedura (script) per ottimizzare la preparazione delle uscite (scelta dei siti e del tragitto, stampa degli attributi di interesse, della cartografia delle coordinate geografiche).

v.cluster (thanks to Dylan Beaudette)

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS



ALCUNI DEI PARAMETRI RILEVATI IN CAMPAGNA:morfologia (cava di monte o pianura),tecnica di coltivazione, altezza del fronte e larghezza del piazzale,litotipo e formazione geologica estratta, giacitura ed immersione di strati, fratture e faglie, presenza di crolli o scivolamenti sul fronte di scavo, presenza di falda affiorante, presenza colmamento delle fosse di scavo, presenza di materiali abbandonati e/o rifiuti, presenza di opere_di_ricomposizione_ambientale, grado di raccordo morfologico, grado di impatto visivo, grado di vulnerabilità della falda, grado di pericolosità di contaminazione della falda, difformità rispetto alle osservazioni di laboratorio, facilità di accesso al sito estrattivo, copertura vegetale di fronte ed aree pianeggianti, valutazione dell'operatore sugli interventi prevedibili sul sito.

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Al termine dei sopralluoghi il numero di cave effettivamente presenti ammontava a 224, equamente suddivise in cave di monte e di pianura.

Il rimanente numero di siti visitati non presentava più tracce di attività estrattiva.

È interessante osservare che, i sopralluoghi hanno messo in luce alcune difformità con quanto ipotizzato in laboratorio. Nella tabella 1 vengono riportati i dati relativi alle difformità incontrate.Tipo di difformità Numero di cave

morfologia 20% terreno riambientato 75litotipo 30altezza fronte 33estensione planimetrica 9% area di cava con falda affiorante 10


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


OBIETTIVO:

Suddivisione delle aree di cava dismesse (sulla base degli attributi tabellari) in:

siti reinseriti nel contesto paesaggistico,

cave dismesse, cioè aree ove si è svolta attività di cava che ha lasciato evidenti segni non compatibili con il contesto territoriale e paesaggistico.

ANALISI DEI DATI E CLASSIFICAZIONEANALISI DEI DATI E CLASSIFICAZIONE

PROBLEMI:

la “valutazione esperta” di un operatore che effettua il sopralluogo è sicuramente molto soggettiva e risente dell'osservazione di molti parametri.

i sopralluoghi sono stati eseguiti da diversi operatori

UNA SOLUZIONE:

è necessario arrivare alla definizione di una classe di pesi unica che rappresenti la sintesi delle valutazione dei diversi operatori e che possa essere utilizzata, successivamente, per la classificazione delle attività estrattive dismesse non ancora rilevate

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS



Durante i sopralluoghi i diversi operatori hanno espresso una valutazione degli interventi prevedibili sul sito. a) nessuna necessità di intervento, b) intervento senza movimentazione di materiale, c) intervento con movimentazione minima di materiale, d) intervento con movimentazione di materiale.

Si è deciso di riclassificare le 4 classi secondo lo schema presentato in tabella

Interventi prevedibili Classea 0b 1c 1d 1

Dati binomiali di questo tipo sono particolarmente adatti ad essere trattati mediante lo strumento della regressione logistica.

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


la regressione logistica binomiale è una forma di regressione statistica che può essere utilizzata quando la variabile dipendente è di tipo dicotomico e le variabili indipendenti sono di qualunque altro tipo (numeriche, ordinali, categoriali)

L'equazione che descrive la regressione logistica è la seguente:

log P1−P

=b0b1 X 1b2 X 2....bn X n

in cu i, fina lizza n do la de s cr izio ne a l ca s o de lle ca ve d is m e s s e ,:P = p r o ba b ilità che la ca va de b ba s u b ir e u n in te r ve n to d i r iq ua lifica zione (o che , u g ua lm e n te ,de b ba e s s e re co ns ide r a ta a m bie n ta lm e n te e pa e s a g g is t ica m e n te da n nos a )b 0, b 1, b 2, b n = coe ffic ie n t i ca lco la t i t r a m ite la r e g r e s s io neX1, X2, Xn = va r ia b ili in de te r m ina te co m e : a lte zza de l fro n te , im pa t to vis ivo , p r e s e nza d i c r o lli,e cc ..Il loga r it m o a l p r im o te r m ine è de fin ito fu nzione lo g it P.

Il va lore d i P ca lco la to s arà s e m p re co m p re s o t ra 1 e 0 e ra p p re s e n ta il ris u lta to u lt im o de llac las s iicaz ione , ad og n i ca va sarà as s ocia to u n va lore d i P


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Dal punto di vista pratico, la regressione logistica può essere eseguita con R.

In particolare, la funzione glm() è in grado di eseguire qualunque tipo di regressione lineare generalizzata definendo l'argomento family in modo tale che contenga informazioni in merito alla distribuzione della variabile dipendente ed alla funzione link.

La sintassi di base per l'applicazione della regressione logistica è la seguente:

glm(formula = var1~ var2 + var3 + ... + varn, family = binomial)

in cui var1 è la variabile dipendente (che assume valori pari a 0 o 1) e var2, var3, varn sono le variabili indipendenti.

Uno dei parametri calcolati dal modello è la devianza, un indice che esprime quanto la regressione si avvicina al modello perfetto, quello che fitta perfettamente i dati. Minore è la devianza migliore è ovviamente il modello regressivo. La differenza tra la devianza del modello nullo (solo intercetta) e quella del modello ottenuto dall'operatore, segue la distribuzione del 2 con un numero di gradi di libertà pari alla differenza del numero dei termini tra i due modelli.Perchè la regressione, nel suo complesso, sia significativa, la differenza tra le due devianze deve essere statisticamente significativa.


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


PostgreSQLDBMS

R Statistic

Rdbi library

I dati vengono correttamente riconosciuti come numerici o categoriali.

Delle 224 cave dismesse di cui, al termine dei sopralluoghi, si conoscevano ubicazione e dati tabellari:

●112 erano realizzate in pianura o comunque in zone a limitata pendenza e su materiali sciolti, ●112 invece su versante (cave di monte).

All'interno di R sono stati creati quindi due dataframe contenenti 112 elementi ciascuno e costituiti da circa 25 campi (variabili) ciascuno, che contengono gli attributi di ogni singola cava dismessa. Ogni elemento è codificato con 1 (necessità di intervento) o con 0 (sito reinserito nel contesto paesaggistico


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Il primo passo del lavoro è stato quello di selezionare, tra i 25 campi, quelli che maggiormente hanno influito sulla classificazione eseguita dagli operatori.

la funzione step() = stepwise regression

Questo metodo corre il rischio di risentire troppo del “rumore dei dati”, cioè di individuare modelli che risentono troppo specificatamente dei dati su cui sono stati creati

Utilizzato quindi solo a fini esplorativi

Rimuove progressivamente quelle variabili che non dimostrano di avere molta efficacia nel diminuire la devianza del modello di regressione individuato

si è proceduto manualmente ad inserire e togliere variabili, valutando di volta in volta il successo del modello testato. La scelta della variabile da includere o rimuovere si è basata su una valutazione di natura teorica, cioè si è andati a considerare solo quelle variabili che, logicamente, potevano aver avuto maggiore efficacia sulla classificazione effettuata durante i sopralluoghi.


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Nel caso delle cave di monte, il risultato di un modello di regressione logistica binomiale che assume come variabile dipendente la classe (0,1) definita durante i sopralluoghi e come variabili indipendenti quelle riportate in tabella, può essere riassunto con la seguente tabella ottenuta da un semplice summary() del modello regressivo. Elementi (variabili) bx Pr(>|z|)

(Intercept) -3.501e+00 0.05604

copertura_vegetale_fronte -3.489e-02 0.00516

area_total 6.467e-05 0.00296

instabilita_fronteTRUE 2.412e+00 0.02172

impatto_visivo2 2.411e+00 0.00357

impatto_visivo3 2.958e+00 0.00172

facile_accesso_piazzaleTRUE 3.243e+00 0.04154

raccordo_morfologico2 -1.489e+00 0.09239

raccordo_morfologico3 -1.548e+00 0.08041

La tabella mostra che, nella classificazione delle cave effettuata dagli operatori, ha inciso lo stato vegetativo del fronte, l'area del sito, la presenza di crolli o scivolamenti in parete, l'impatto visivo (valutato come fattore che assume tre livelli: alto, medio, basso), l'accessibilità al sito, il raccordo morfologico (fattore a tre livelli che descrive quanto il sito abbia modificato la morfologia preesistente). Si osserva che tutti i coefficienti stimati sono significativi al 10% (Wald test);


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Passando alle cave di pianura è interessante andare a verificare la tabella ANOVA

Elementi (variabili) Resid. Df Resid.Dev

P(>|Chi|)

NULL 128.113

vincoli_paessaggio 110 123.418 0.030

impatto_visivo 108 113.323 0.006

raccordo_morfologico 106 105.686 0.022

perc_lago_falda 105 97.870 0.005

morfologia(aperta o chiusa) 104 94.619 0.071

falda_affiorante:pericolosita_contaminazione_falda 99 83.167 0.043

falda_affiorante:perc_lago_falda 98 74.353 0.003

Si osserva che la devianza passa da 128.113 (modello con solo intercetta) a 74.353 (modello con 7 termini). La differenza tra le devianze tra un modello ed il

successivo, risulta sempre significativa al 10% al test del 2.


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Si deve porre attenzione all'analisi dei valori di “Leverage” contro quelli della “Cook's distance”. Il primo, che assume valori compresi tra 0 ed 1, calcola una sorta di distanza tra ciascuna osservazione (definita dai valori dei propri termini) e le altre (definite dalla media dei valori dei termini di tutte le osservazioni). Il secondo analizza l'effetto che ha, sul modello, la rimozione di ciascuna osservazione.


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Elementi (variabili) Resid. Df Resid. Dev P(>|Chi|)

NULL 111 125.963

vincoli_paessaggio 110 120.805 0.023

perc_lago_falda 109 115.561 0.022

impatto_visivo 107 106.547 0.011

raccordo_morfologico 105 90.782 0.0003773

residenti_visibilita_2000 104 87.828 0.086

falda_affiorante:pericolosita_contaminazione_falda 99 69.918 0.003

area_totale:copertura_vegetale_aree_subpianeggianti 98 63.065 0.009

Tabella ANOVA dei nuovi elementi e coefficienti dopo la correzione del dato

Si osserva che la rimozione dell'errore ha determinato il cambiamento di alcune delle variabili significative.


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Visualizzare la qualità dei modelli - Esempio delle cave di monte(grazie a http://www.itc.nl/personal/rossiter/teach/R/lcc.R, leggermente modificato)

Il grafico di sinistra mostra quanti, tra i dati originariamente marcati come classe 1 hanno effettivamente ottenuto un valore superiore a 0.5 e viceversa. Esistono poi i falsi positivi, cioè valori che erano originariamente marcati come classe 0 ma che poi hanno ottenuto valori superiori a 0.5 ed i falsi negativi.


http://www.itc.nl/personal/rossiter/teach/R/lcc.R

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Vero positivo (a sinistra) e vero negativo (a destra)


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


Falso negativo (a sinistra) e falso positivo (a destra)


Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


REGIONE UMBRIA

R.R. 3/2005 e s.m. e i. (Regolamento di attuazione L.R.2/2000)

Cava dismessa: l’area ove è stata esercitata l’attività estrattiva che ha lasciato evidenti segni sul territorio non compatibili con l’assetto dei luoghi, con il contesto territoriale e paesaggistico interessato, individuata dalla Regione a seguito della ricognizione dello stato dei luoghi”. (art.2, comma obis)

Art. 1 (Finalità)(…) 2. Al fine di contenere il prelievo delle risorse non rinnovabili, per il soddisfacimento del fabbisogno (…) è prioritario, rispetto all'apertura di

nuove attività estrattive, l'ampliamento delle attività in essere e la ripresa dell'attività nelle aree di escavazione dismesse, anche al fine

della ricomposizione ambientale, nonché il riutilizzo dei residui provenienti dalle attività estrattive o di materiali alternativi o assimilabili

per qualità ai materiali di cava (…)

L.R. 2/2000 e s.m. e i.

Norme per la disciplina dell'attività di cava e per il riuso dei materiali proveninenti da demolizione

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


LEGGE REGIONALE 25 luglio 2006, n. 11 (BUR n.37 del 2/08/2006)Norme in materia di pluralismo informatico, sulla adozione e la diffusione del software a sorgente aperto e sulla portabilità dei

documenti informatici nell’amministrazione regionale.

Art. 1.(Finalità della legge)

(…) 2. L’Amministrazione regionale, nel rispetto del principio costituzionale di buon andamento e di economicità dell’attività amministrativa (…) favorisce l’adozione di software a sorgente aperto.(…)4. La Regione incentiva la diffusione e lo sviluppo del software a sorgente aperto, con particolare riferimento agli enti locali e agli enti pubblici dell’Umbria, in considerazione delle sue positive ricadute sullo sviluppo della ricerca scientifica e tecnologica e sulla riduzione dei costi per l’acquisto delle licenze.

Art. 3.(Documenti)

1. L’Amministrazione regionale utilizza programmi per elaboratore a sorgente aperto per la diffusione in formato elettronico di documenti soggetti all’obbligo di pubblica esposizione nonché per garantire il diritto di accesso mediante scambio di dati in forma elettronica. (…)

Art. 5.(Adempimenti per l’Amministrazione regionale)

1. L’Amministrazione regionale, in sede di acquisizione di programmi informatici, effettua, in relazione alle proprie esigenze, una valutazione di tipo tecnico economico tra le diverse soluzioni disponibili sul mercato includendo sempre tra queste, ove disponibili, i programmi a codice sorgente aperto.

Art. 6.(Incentivazione alla ricerca e allo sviluppo)

1. La Giunta regionale incentiva attraverso programmi annuali progetti sull’open source da parte di enti pubblici e di istituzioni scolastiche.

Art. 8.(Fondo per lo sviluppo del software a codice aperto)

1. La Regione istituisce un Fondo per lo sviluppo del software open source allo scopo di finanziare i programmi di cui all’articolo 6.

Art. 9.(Centro di competenza sull’open source)

1. Nell’ambito delle finalità della legge regionale n. 27 del 31 luglio 1998 ed all’interno del Consorzio SIR Umbria è istituito il Centro di competenza sull’open source per lo studio, la promozione e la diffusione delle tecnologie conformi agli standard internazionali dell’open source al quale partecipano la Regione, l’Università, la Lega delle Autonomie Locali, le Associazioni umbre di promozione dell’open source, leAssociazioni professionali di informatici.2. Gli obiettivi del Centro di competenza (…)

Art. 11.(Norma transitoria)

1. L’Amministrazione regionale, entro tre anni dall’approvazione della presente legge, adegua le proprie strutture informatiche ed attiva programmi di formazione del personale(…)

REGIONE UMBRIA

Pale

rmo 1

4-1

6 F

ebbra

io 2

00

7,

VIII m

eeti

ng d

egli

ute

nti

GR

ASS


CONCLUSIONICONCLUSIONI

●Il software libero geografico (GFOSS) rappresenta ormai uno strumento affidabile ed estremamente interessante, anche per la sua versatilità ed integrabilità, per le pubbliche amministrazioni.

●La collaborazione tra Università di Perugia e Regione Umbria per il monitoraggio delle cave dismesse ha rappresentato forse il primo esempio di applicazione di quanto previsto dalla normativa regionale sull'adozione di software a codice aperto.

●I risultati ottenuti tramite la classificazione effettuata mediante la tecnica della regressione logistica saranno utilizzati al fine di proseguire l'opera di riqualificazione ambientale e paesaggistica del territorio umbro.

●Le aree caratterizzate dalla presenza di valori elevati del parametro P descritto nel testo, saranno oggetto di studi di dettaglio finalizzati, ove possibile, ad interventi di riqualificazione.

Documents

S A CLASSIFICAZIONE DELLE CAVE DISMESSE DEL R …gislab.dirap.unipa.it/grass_meeting/present/cave... · 2009. 1. 21. · P a l e rm o 1 4-1 6 F e b b ra i o 2 0 0 7, V I I I m e e