Att undersöka detaljerna kring en naturkatastrof i Italien 2009 har hjälpt KAUST-forskare att utveckla en statistisk modell som kan hjälpa till att förutsäga jordskred i specifika områden under givna stormscenarier.

Befintliga modeller för mottaglighet för jordskred använder en närvaro-frånvaro-struktur för att förutsäga om ett jordskred är troligt inom ett givet område. Dessa binära modeller, dock, inte kan förutsäga viktig information, till exempel hur många jordskred som kan inträffa på en viss sluttning.

Luigi Lombardo, och hans handledare Raphaël Huser, på KAUST, med Thomas Opitz på INRA i Frankrike, utvecklat en statistisk modell som utnyttjar den rigorösa probabilistiska ramen för punktprocesser. Detta beskriver beteendet hos slumpmässiga punktmönster, såsom skredutlösande platser.

Deras statistiska metodik gör det möjligt för modellen att förutsäga inte bara var, men också hur många, jordskred kan inträffa i ett givet område beroende på klimatförhållandena.

Teamet använde sin modell för att undersöka data från en katastrof 2009 i Messina, Italien, som följde på en intensiv storm. Modellen genererade mycket exakta kartor över katastrofområdet.

"Efter två perioder av blött väder, stormen dumpade 250 millimeter regn på ett litet område på mindre än åtta timmar, säger Lombardo. Jordarna på de branta sluttningarna var redan mättade, och syndafloden resulterade i cirka 5, 000 jordskred av varierande storlek över cirka 100 kvadratkilometer."

Teamet fick tillgång till högupplösta satellitbilder som visar landskapet före och efter stormen. Dock, de hade inte fullständiga uppgifter om jordskredutlösaren – nederbördshändelsen – eftersom det bara fanns en väderstation i stormzonen.

"Forskare har helt enkelt inte instrumenten på plats för att mäta varje naturkatastrof på djupet, " säger Lombardo. "Men, vi insåg att data kunde "prata" med oss ​​och hjälpa oss att rekonstruera stormen. Vi visste var det var värst, upprepade jordskred hade inträffat, och logiken tyder på att dessa punkter var de områden som drabbades av mest nederbörd."

"Vi inkluderade en latent rumslig effekt i vår statistiska modell för att flexibelt fånga och rekonstruera stormens utveckling, " säger Huser. "Denna latenta rumsliga effekt, kombinerat med andra variabler, såsom brant sluttning, jordtyp och vegetationstäcke, gav en oöverträffad prediktionsnoggrannhet."

"Fördelen med detta tillvägagångssätt är att vi enkelt kan simulera olika latenta rumsliga effekter, var och en med olika mönster, och tillhandahålla en omfattande uppsättning sannolika framtida jordskredscenarier när en storm utvecklas, ", säger Lombardo. "Myndigheter kunde då vidta bättre förebyggande åtgärder och evakuera människor till säkrare mark. Liknande modeller skulle kunna byggas för andra jordskredutsatta områden i världen."