Jordskred är en av de mest destruktiva naturkatastroferna på planeten och orsakar skador för miljarder dollar och förödande förluster av liv varje år. Genom att introducera ett nytt paradigm för att studera skredformer och feltyper har ett globalt team av forskare gett hjälp till dem som arbetar med att förutsäga skred och riskbedömningar.
Rochester Institute of Technology Ph.D. student Kamal Rana (avbildningsvetenskap) var en huvudförfattare på en artikel som nyligen publicerades i Nature Communications , tillsammans med medförfattaren Nishant Malik, biträdande professor vid RIT:s School of Mathematics and Statistics. Kushanav Bhuyan, från University of Padova och Machine Intelligence and Slope Stability Laboratory, var också en ledande medförfattare.
Nuvarande prediktiva modeller förlitar sig på databaser som i allmänhet inte innehåller information om typen av fel på karterade jordskred. Genom att använda flygvyn och höjddata från jordskredplatser i kombination med maskininlärning kunde forskarna uppnå 80–94 % noggrannhet i att identifiera skredrörelser på olika platser runt om i världen. Specifikt introducerar studien en metod för att undersöka bilder, flöden och misslyckanden och hitta distinkta mönster.
"Vår algoritm förutsäger inte jordskred," förklarade Malik. "Men de människor som är i branschen med att förutsäga jordskred behöver veta mer information om dem, som vad som orsakade dem och vilka mekanismer de var."
Olika platser studerades, inklusive Italien, USA, Danmark, Turkiet och Kina. Det stora utbudet av länder bidrog till att bekräfta styrkan i resultaten, eftersom de kan användas framgångsrikt i olika regioner och klimat.
"Det var ganska spännande när vi såg framgångssiffrorna," sa Bhuyan. "Vi fick resultaten, som är riktigt bra, men vi måste kunna koppla detta till verkligheten."
Den verkliga tillämpningen av denna forskning har en personlig inverkan för Rana, som kommer från Himalaya-regionen i Indien.
– Jag har sett så många fall då jordskred har inträffat, sa Rana. "Vägarna är blockerade i två eller tre veckor. Det finns ingen kommunikation från städerna till byarna. Det blockerar människor från att gå till sina jobb eller elever från att gå till skolan."
Förhoppningen är att denna djupare förståelse av felrörelser kommer att hjälpa dem som arbetar med att förutsäga dödliga händelser och förbättra noggrannheten och tillförlitligheten hos risk- och riskbedömningsmodeller, vilket kommer att hjälpa till att rädda liv och minska skador.
Tillsammans med Rana, Bhuyan och Malik är medförfattare till tidningen Joaquin V. Ferrer, Fabrice Cotton och Ugur Ozturk från University of Potsdam och Filippo Catani från University of Padova.
Mer information: Kushanav Bhuyan et al, Jordskredtopologi avslöjar felrörelser, Nature Communications (2024). DOI:10.1038/s41467-024-46741-7
Journalinformation: Nature Communications
Tillhandahålls av Rochester Institute of Technology
