Punktmønstre hjælper med at forudsige jordskred

Undersøgelse af detaljerne ved en naturkatastrofe i Italien i 2009 har hjulpet KAUST -forskere med at udvikle en statistisk model, der kan hjælpe med at forudsige jordskred i bestemte områder under givne stormscenarier.

Eksisterende modeller for modtagelighed for jordskred bruger en tilstedeværelses-fraværsstruktur til at forudsige, om et jordskred sandsynligvis er inden for et givet område. Disse binære modeller, imidlertid, ikke er i stand til at forudsige vitale oplysninger, f.eks. hvor mange jordskred der kan forekomme på en bestemt skråning.

Luigi Lombardo, og hans vejleder Raphaël Huser, hos KAUST, med Thomas Opitz på INRA i Frankrig, udviklet en statistisk model, der udnytter de strenge sandsynlige rammer for punktprocesser. Dette beskriver opførsel af tilfældige punktmønstre, såsom steder, der udløser jordskred.

Deres statistiske metode gør det muligt for modellen at forudsige ikke kun hvor, men også hvor mange, jordskred kan forekomme i et givet område afhængigt af klimatiske omstændigheder.

Teamet brugte deres model til at undersøge data fra en katastrofe i 2009 i Messina, Italien, som fulgte efter en intens storm. Modellen genererede meget præcise kort over katastrofezonen.

"Efter to perioder med vådt vejr, stormen dumpede 250 millimeter regn på et lille område på mindre end otte timer, "siger Lombardo." Jorden på de stejle skråninger var allerede mættet, og syndfloden resulterede i omkring 5, 000 jordskred af varierende størrelse på tværs af omkring 100 kvadratkilometer. "

Teamet fik adgang til satellitter i høj opløsning, der viser landskabet før og efter stormen. Imidlertid, de havde ikke komplette data om jordskredstrigeren - nedbørshændelsen - fordi der kun var en vejrstation i stormzonen.

"Forskere har simpelthen ikke instrumenterne til at måle enhver naturkatastrofe i dybden, "siger Lombardo." Dog, vi indså, at dataene kunne 'tale' til os og hjælpe os med at rekonstruere stormen. Vi vidste, hvor det værste var gentagne jordskred var sket, og logik tyder på, at disse punkter var de områder, der blev ramt af den mest nedbør. "

"Vi inkluderede en latent rumlig effekt i vores statistiske model for fleksibelt at fange og rekonstruere stormens udvikling, "siger Huser." Denne latente rumlige effekt, kombineret med andre variabler, såsom stejlhed på skråninger, jordtype og vegetationsdækning, gav en hidtil uset forudsigelsesnøjagtighed. "

"Fordelen ved denne tilgang er, at vi let kan simulere forskellige latente rumlige effekter, hver med et andet mønster, og give et omfattende sæt sandsynlige fremtidige jordskredsscenarier, når en storm udvikler sig, "siger Lombardo." Myndighederne kunne derefter tage bedre forebyggende handlinger og evakuere folk til et mere sikkert sted. Lignende modeller kunne bygges til andre områder, der er udsat for jordskred. "