En förutsägelsemodell som tar hänsyn till flera jordskred över tiden i en viss region kan förbättra noggrannheten i tidiga varningssystem.

Ett effektivt varningssystem syftar till att förutsäga tiden, plats, jordskredens storlek och frekvens, men det finns flera komplexa och ofta slumpmässiga inmatningsfaktorer att tänka på. Forskare har utvecklat en datormodell som förbättrar befintlig förutsägelsens noggrannhet och förbättrar förståelsen för komplexiteten i jordskredshändelser.

"Befintliga jordskredsmodeller fungerar utifrån en förutsättning där varje lutning i ett område tilldelas ett värde på noll eller en - lutningen är antingen stabil eller instabil, "säger tidigare KAUST postdoc, Luigi Lombardo, nu vid universitetet i Twente i Nederländerna. Detta projekt bygger på tidigare jordskredsmodeller som utvecklats av Lombardo, fortsätter sitt samarbete med Raphaël Huser och teamet från KAUST.

"Att tilldela ett binärt värde innebär att viktiga detaljer om en sluttning och dess grannskap går förlorade, "fortsätter Lombardo." För vår modell, vi tilldelade värden enligt hur många jordskredshändelser en given lutning har upplevt över tiden. När det gäller vår testregion i Collazzone -området i Italien, Detta inkluderar jordskreddata från detaljerade lokala register från cirka 100 år. "

Lombardos team fokuserade på 3379 jordskredshändelser som utlöstes av vädret på 889 backar över de 79 km2 stora området. En sluttningens jordskredens benägenhet påverkas av flera faktorer, såsom geologi, jordtyp och sluttningens lutning och form, som alla fungerar som inmatningsvariabler för modellen.

Forskarna byggde fem versioner av modellen, var och en med en ökande komplexitet, och tränade varje version med Collazzone -data. Genom att inkludera frekvensen av enskilda lutningsfel och länka backarna till "kvarter" för att inkludera hur en sluttnings beteende kan påverka andra backar i närheten, deras femte och mest komplexa modell förutsade exakt vilka Collazzone -sluttningar som skulle generera jordskred och hur ofta.

"Vår modell lär av successiva händelser över tid, "säger Lombardo." Den lär sig inte bara av de fysiska egenskaperna hos en given sluttning utan också av platsen för den sluttningen och dess grannskap, och det tidigare beteendet för den sluttningen och beteendet hos sina grannar. Denna detaljnivå är helt ny för jordskredsmodellering. "

Lombardo hoppas att modellen ska användas för att informera tidiga varningssystem. Modellen är överförbar och kan användas i alla regioner i världen, förutsatt att det finns lokala jordskreddata tillgängliga.

"Jag hoppas kunna ta denna modell ett steg längre och förutse hur stor varje jordskredshändelse kan vara, "säger Lombardo." Även om det är användbart att förutsäga jordskredsfrekvens, att förutsäga storleken på enskilda jordskred kan omvandla varningssystem och förbättra både mark- och farhantering. "