L'esame dei dettagli di un disastro naturale in Italia nel 2009 ha aiutato i ricercatori KAUST a sviluppare un modello statistico che potrebbe aiutare a prevedere le frane in aree specifiche in determinati scenari di tempesta.

I modelli di suscettibilità da frana esistenti utilizzano una struttura presenza-assenza per prevedere se è probabile una frana all'interno di una determinata area. Questi modelli binari, però, non sono in grado di prevedere informazioni vitali, come il numero di frane che potrebbero verificarsi su un pendio specifico.

Luigi Lombardo, e il suo supervisore Raphaël Huser, a KAUST, con Thomas Opitz all'INRA in Francia, ha sviluppato un modello statistico che sfrutta il rigoroso quadro probabilistico dei processi puntuali. Questo descrive il comportamento dei modelli di punti casuali, come luoghi di smottamento.

La loro metodologia statistica consente al modello di prevedere non solo dove, ma anche quanti, Le frane possono verificarsi in una determinata area a seconda delle circostanze climatiche.

Il team ha utilizzato il proprio modello per esaminare i dati di un disastro del 2009 a Messina, Italia, che seguì un'intensa tempesta. Il modello ha generato mappe altamente accurate della zona del disastro.

"Dopo due periodi di tempo piovoso, la tempesta ha scaricato 250 millimetri di pioggia su una piccola area in meno di otto ore, "dice Lombardo. "I terreni sui ripidi pendii erano già saturi, e il diluvio ha provocato circa 5, 000 frane di varie dimensioni su circa 100 chilometri quadrati".

Il team ha avuto accesso a immagini satellitari ad alta risoluzione che mostrano il paesaggio prima e dopo la tempesta. Però, non avevano dati completi per quanto riguarda l'innesco della frana, l'evento piovoso, perché c'era solo una stazione meteorologica nella zona della tempesta.

"Gli scienziati semplicemente non hanno la strumentazione in atto per misurare in profondità ogni disastro naturale, "dice Lombardo. "Tuttavia, ci siamo resi conto che i dati potevano 'parlarci' e aiutarci a ricostruire la tempesta. Sapevamo dove il peggio, si erano verificate ripetute frane, e la logica suggerisce che questi punti fossero le aree colpite dalla maggior parte delle precipitazioni".

"Abbiamo incluso un effetto spaziale latente nel nostro modello statistico per catturare e ricostruire in modo flessibile l'evoluzione della tempesta, " dice Huser. "Questo effetto spaziale latente, combinato con altre variabili, come la pendenza del pendio, tipo di suolo e copertura vegetale, ha prodotto una precisione di previsione senza precedenti."

"Il vantaggio di questo approccio è che possiamo facilmente simulare vari effetti spaziali latenti, ognuna con un motivo diverso, e fornire una serie completa di probabili scenari futuri di frana man mano che si evolve una tempesta, "dice Lombardo. "Le autorità potrebbero quindi intraprendere azioni preventive migliori ed evacuare le persone verso un terreno più sicuro. Modelli simili potrebbero essere costruiti per altre aree del mondo soggette a frane".