Het onderzoeken van de details van een natuurramp in Italië in 2009 heeft KAUST-onderzoekers geholpen een statistisch model te ontwikkelen dat zou kunnen helpen aardverschuivingen in specifieke gebieden onder bepaalde stormscenario's te voorspellen.

Bestaande gevoeligheidsmodellen voor aardverschuivingen gebruiken een aanwezigheid-afwezigheidsstructuur om te voorspellen of een aardverschuiving binnen een bepaald gebied waarschijnlijk is. Deze binaire modellen, echter, zijn niet in staat om essentiële informatie te voorspellen, zoals hoeveel aardverschuivingen er kunnen optreden op een bepaalde helling.

Luigi Lombardo, en zijn begeleider Raphaël Huser, bij KAUST, met Thomas Opitz bij INRA in Frankrijk, ontwikkelde een statistisch model dat gebruik maakt van het rigoureuze probabilistische raamwerk van puntprocessen. Dit beschrijft het gedrag van willekeurige puntpatronen, zoals locaties die aardverschuivingen veroorzaken.

Hun statistische methodologie stelt het model in staat om niet alleen te voorspellen waar, maar ook hoeveel, Afhankelijk van de klimatologische omstandigheden kunnen in een bepaald gebied aardverschuivingen optreden.

Het team gebruikte hun model om gegevens te onderzoeken van een ramp in 2009 in Messina, Italië, die volgde op een hevige storm. Het model genereerde zeer nauwkeurige kaarten van het rampgebied.

"Na twee periodes van nat weer, de storm stortte in minder dan acht uur 250 millimeter regen op een klein gebied, " zegt Lombardo. "De gronden op de steile hellingen waren al verzadigd, en de zondvloed resulteerde in ongeveer 5, 000 aardverschuivingen van verschillende groottes over ongeveer 100 vierkante kilometer."

Het team had toegang tot satellietbeelden met hoge resolutie die het landschap voor en na de storm laten zien. Echter, ze hadden geen volledige gegevens over de aardverschuivingstrigger - de regenval - omdat er maar één weerstation in de stormzone was.

"Wetenschappers hebben eenvoudigweg niet de instrumenten om elke natuurramp diepgaand te meten, ", zegt Lombardo. "Echter, we realiseerden ons dat de gegevens met ons konden 'praten' en ons konden helpen de storm te reconstrueren. We wisten waar het ergste was, herhaalde aardverschuivingen hadden plaatsgevonden, en de logica suggereert dat deze punten de gebieden waren die door de meeste regenval werden getroffen."

"We hebben een latent ruimtelijk effect in ons statistisch model opgenomen om de evolutie van de storm flexibel vast te leggen en te reconstrueren, ", zegt Huser. "Dit latente ruimtelijke effect, gecombineerd met andere variabelen, zoals hellingshoek, bodemtype en vegetatiebedekking, leverde een ongekende voorspellingsnauwkeurigheid op."

"Het voordeel van deze aanpak is dat we gemakkelijk verschillende latente ruimtelijke effecten kunnen simuleren, elk met een ander patroon, en een uitgebreide set van waarschijnlijke toekomstige aardverschuivingsscenario's bieden als een storm evolueert, ", zegt Lombardo. "De autoriteiten zouden dan betere preventieve maatregelen kunnen nemen en mensen naar veiliger terrein kunnen evacueren. Soortgelijke modellen zouden kunnen worden gebouwd voor andere aardverschuivingsgevoelige gebieden in de wereld."