I professori Antoinette Tordesillas e Robin Batterham hanno guidato il lavoro per cinque anni per sviluppare e testare il modello SSSAFE (Spatiotemporal Slope Stability Analytics for Failure Estimation), che analizza la stabilità dei pendii nel tempo per prevedere dove e quando è probabile che si verifichi una frana o una valanga.

In uno studio pubblicato su Rapporti scientifici , il gruppo di ricerca è stato in grado di prevedere le frane, che spesso causano gravi disagi, danni economici e morti, di varie dimensioni e velocità e in diversi ambienti.

"La chiave del successo di questo modello è che funziona su una vasta gamma di scale spaziali o temporali ed è informato dalla fisica del cedimento nel suolo e nei corpi rocciosi, " disse il professor Tordesillas.

"Può essere usato in una miniera, dove ogni pochi minuti vengono effettuate misurazioni di precisione millimetrica del movimento superficiale di una parete rocciosa. E può essere utilizzato anche in una zona rurale, dove gli unici dati disponibili sono un'immagine radar satellitare acquisita ogni pochi giorni o settimane."

Il modello SSSAFE è stato inizialmente sviluppato per il monitoraggio delle miniere, dove le frane sono una minaccia costante, ma utilizzando dati satellitari pubblicamente disponibili, il team è stato in grado di prevedere retrospettivamente la frana di Xinmo del 2017, che seppellì una borgata in Cina.

"Per Xinmo, il modello ha evidenziato un movimento significativo in quella che è diventata la fonte della valanga di roccia, 10 mesi prima che si verificasse il disastro, " disse il professor Tordesillas. "Se possiamo usare questo modello, insieme a dati satellitari disponibili gratuitamente per riconoscere potenziali futuri siti di frane molto prima che si verifichino, si possono intraprendere azioni per proteggere le comunità, salvando molte vite".

Con SSSAFE che sfrutta l'analisi dei big data, scienza e fisica delle reti, La professoressa Tordesillas spera che la sua ricerca venga utilizzata dall'industria e dai governi di tutto il mondo per aiutare i sistemi di allarme rapido (EWS) a mitigare i rischi di frana di fronte al cambiamento climatico.

"Pochissimi studi hanno utilizzato i dati del telerilevamento per rilevare i precursori del cedimento del pendio. Fondamentalmente, si sa poco su come interpretare questi dati dalla fisica nota del cedimento granulare per comprendere e prevedere meglio gli eventi che portano a frane catastrofiche. Abbiamo raggiunto entrambi in SSSAFE." ha detto.