Un modello di previsione che consideri più frane nel tempo in una determinata regione può migliorare l'accuratezza dei sistemi di allerta precoce.

Un efficace sistema di avviso di pericolo mira a prevedere il tempo, luogo, dimensione e frequenza delle frane, tuttavia ci sono molteplici fattori di input complessi e spesso casuali da considerare. I ricercatori hanno sviluppato un modello informatico che migliora l'accuratezza delle previsioni esistenti e migliora la comprensione delle complessità inerenti agli eventi di frana.

"I modelli di frana esistenti funzionano da una premessa in cui a ogni pendenza in un'area viene assegnato un valore pari a zero o uno:la pendenza è stabile o instabile, " dice l'ex postdoc KAUST, Luigi Lombardo, ora all'Università di Twente nei Paesi Bassi. Questo progetto si basa sui precedenti modelli di frana sviluppati da Lombardo, continuando la sua collaborazione con Raphaël Huser e il team di KAUST.

"Assegnare un valore binario significa che i dettagli critici su un pendio e il suo vicinato vengono persi, " continua Lombardo. "Per il nostro modello, abbiamo assegnato valori in base a quanti eventi di frana ha subito un dato versante nel tempo. Nel caso della nostra regione di prova nell'area di Collazzone in Italia, questo include i dati delle frane da registrazioni locali dettagliate risalenti a circa 100 anni".

Il team di Lombardo si è concentrato su 3379 eventi franosi provocati dal tempo su 889 pendii su un'area di 79 km2. La propensione a franare di un pendio è influenzata da molteplici fattori, come la geologia, tipo di terreno e pendenza e forma del pendio, che fungono tutte da variabili di input per il modello.

I ricercatori hanno costruito cinque versioni del modello, ciascuno con un livello di complessità crescente, e addestrato ogni versione utilizzando i dati di Collazzone. Includendo la frequenza dei singoli cedimenti dei pendii e collegando i pendii in "quartieri" per comprendere come il comportamento di un pendio potrebbe influenzare altri pendii vicini, il loro quinto e più complesso modello prevedeva con precisione quali versanti di Collazzone avrebbero generato frane e con quale frequenza.

"Il nostro modello apprende da eventi successivi nel tempo, " dice Lombardo. "Impara non solo dalle caratteristiche fisiche di un dato pendio ma anche dalla posizione di quel pendio e del suo vicinato, e il comportamento precedente di quel pendio e il comportamento dei suoi vicini. Questo livello di dettaglio è completamente nuovo per la modellazione delle frane".

Lombardo spera che il modello venga utilizzato per informare i sistemi di allerta precoce. Il modello è trasferibile e può essere utilizzato in qualsiasi regione del mondo, a condizione che siano disponibili dati di frana locali.

"Spero di fare un passo avanti con questo modello e prevedere quanto grande potrebbe essere ogni evento di frana, " dice Lombardo. "Mentre è utile prevedere la frequenza delle frane, prevedere le dimensioni delle singole frane potrebbe trasformare i sistemi di allerta e migliorare sia la gestione del territorio che dei pericoli".