Professorerna Antoinette Tordesillas och Robin Batterham ledde arbetet under fem år med att utveckla och testa modellen SSSAFE (Spatiotemporal Slope Stability Analytics for Failure Estimation), som analyserar sluttningsstabiliteten över tid för att förutsäga var och när ett jordskred eller lavin sannolikt kommer att inträffa.

I en studie publicerad i Vetenskapliga rapporter , forskargruppen kunde förutsäga jordskred, som ofta orsakar allvarliga störningar, ekonomiska skador och dödsfall, av olika storlekar och hastigheter och i olika miljöer.

"Nyckeln till framgången för denna modell är att den fungerar över ett stort antal rumsliga eller tidsmässiga skalor och är informerad av fysik av misslyckanden i jord- och bergkroppar, sa professor Tordesillas.

"Den kan användas i en gruva, där millimeterprecisionsmätningar av ytrörelser hos en bergyta görs med några minuters mellanrum. Och den kan också användas på landsbygden, där den enda tillgängliga informationen är en satellitradarbild som tas med några dagar till veckor."

SSSAFE-modellen utvecklades ursprungligen för minövervakning, där jordskred är ett ständigt hot, men med hjälp av allmänt tillgänglig satellitdata, teamet kunde i efterhand förutsäga Xinmo-skredet 2017, som begravde en township i Kina.

"För Xinmo, modellen belyste betydande rörelser vid vad som blev bergskredkällan, 10 månader innan katastrofen inträffade, " sa professor Tordesillas. "Om vi ​​kan använda den här modellen, tillsammans med fritt tillgängliga satellitdata för att känna igen potentiella framtida jordskredplatser långt innan de inträffar, åtgärder kan vidtas för att skydda samhällen, räddar många liv."

Med SSSAFE utnyttjar big data-analys, nätverksvetenskap och fysik, Professor Tordesillas hoppas att hennes forskning kommer att användas av industri och regeringar över hela världen för att hjälpa system för tidig varning (EWS) för att mildra jordskredrisker inför klimatförändringar.

"Mycket få studier har använt fjärranalysdata för att upptäcka föregångare till lutningsfel. lite är känt om hur man tolkar dessa data från känd fysik av granulär misslyckande för att bättre förstå och förutsäga händelser som leder till katastrofala jordskred. Vi uppnådde båda i SSSAFE." sa hon.