Wissenschaft: Vorhersage des Erdrutschrisikos durch Modelle des maschinellen Lernens

Die Entwicklung eines präziseren und dynamischeren Ansatzes zur präziseren Vorhersage der Erdrutschwahrscheinlichkeit ist das Ziel einer Studie, die in der Fachzeitschrift Geophysical Research Letters veröffentlicht wurde und von Wissenschaftlern der Northwestern University und der University of California, Los Angeles, durchgeführt wurde. Das Team unter der Leitung von Chuxuan Li und Daniel E. Horton entwickelte ein System, das hydrologische Prädiktoren nutzt, um das Erdrutschrisiko besser vorherzusagen. Traditionelle Methoden, so die Experten, basieren auf der Analyse der Niederschlagsintensität. Der neue Ansatz, so die Autoren, integriert verschiedene wasserbezogene Prozesse mit einem maschinellen Lernmodell. Das Framework bietet ein fundierteres Verständnis der Ursachen dieser zerstörerischen Ereignisse. Mit weiterer Entwicklung könnte das neue Framework dazu beitragen, Frühwarnsysteme zu verbessern, die Risikoplanung zu steuern und Strategien zur Klimaresilienz in erdrutschgefährdeten Regionen zu verbessern. „Unser Modell“, so Li, „berücksichtigt eine Vielzahl von Faktoren und ermöglicht es uns, verschiedene Wege zu identifizieren, die zu Erdrutschen führen. Diese Ereignisse sind tatsächlich nicht alle gleich und können von verschiedenen ideologischen Prozessen abhängen.“

Im Rahmen der Studie analysierten die Forscher einen Monat extremen Wetters in Kalifornien. Im Winter 2022/23 kam es in der Region zu über 600 Erdrutschen, wobei neun Flüsse katastrophale Überschwemmungen auslösten. Die Forscher verwendeten ein Computermodell, das die Wasserbewegungen in der Umwelt simuliert, darunter das Eindringen von Regenwasser in den Boden, Oberflächenabfluss, Verdunstung sowie das Gefrieren oder Schmelzen von Schnee und Eis. Anhand der Ergebnisse des Modells entwickelte das Forschungsteam eine Kennzahl namens „Wasserhaushaltszustand“ (WBS), um den Wasserüberschuss in einem bestimmten Gebiet zu bewerten. Maschinelles Lernen gruppiert ähnliche Erdrutsche anhand standortspezifischer Bedingungen. Mithilfe dieser Technik identifizierten sie drei Hauptursachen für Erdrutsche in Kalifornien: Starkregen, Regen auf bereits gesättigtem Boden und schmelzender Schnee oder Eis. Das Team schätzt, dass etwa 32 Prozent der Erdrutsche auf heftige, schnelle Regenfälle zurückzuführen sind, während 53 Prozent der Ereignisse auf Regen auf gesättigtem Boden und 15 Prozent auf schmelzenden Schnee oder Eis zurückzuführen sind. „Übermäßige Feuchtigkeit spielte eine zentrale Rolle bei dem Erdrutsch“, so Horton abschließend, „der an steilen Hängen besonders gefährlich ist. Unser System konnte die Bedingungen, die Erdrutsche begünstigen, präzise identifizieren. Unser ultimatives Ziel ist die Entwicklung eines Werkzeugs, das Vorhersagen treffen kann.“