Un modelo de predicción que considere múltiples deslizamientos de tierra a lo largo del tiempo en una región determinada puede mejorar la precisión de los sistemas de alerta temprana.

Un sistema de alerta de peligros eficaz tiene como objetivo predecir el tiempo, lugar, tamaño y frecuencia de los deslizamientos de tierra, sin embargo, hay que tener en cuenta varios factores de entrada complejos y, a menudo, aleatorios. Los investigadores han desarrollado un modelo informático que mejora la precisión de las predicciones existentes y mejora la comprensión de las complejidades inherentes a los deslizamientos de tierra.

"Los modelos de deslizamientos de tierra existentes funcionan desde una premisa donde a cada pendiente en un área se le asigna un valor de cero o uno:la pendiente es estable o inestable, "dice el ex postdoctorado de KAUST, Luigi Lombardo, ahora en la Universidad de Twente en los Países Bajos. Este proyecto se basa en modelos anteriores de deslizamientos de tierra desarrollados por Lombardo, continuando su colaboración con Raphaël Huser y el equipo de KAUST.

"Asignar un valor binario significa que se pierden los detalles críticos sobre una pendiente y su vecindario, "continúa Lombardo." Para nuestro modelo, asignamos valores de acuerdo con la cantidad de deslizamientos de tierra que ha experimentado una pendiente determinada a lo largo del tiempo. En el caso de nuestra región de prueba en el área de Collazzone en Italia, esto incluye datos de deslizamientos de tierra de registros locales detallados que datan de alrededor de 100 años ".

El equipo de Lombardo se centró en 3379 eventos de deslizamientos de tierra provocados por el clima en 889 pistas en el área de 79 km2. La propensión a deslizamientos de tierra de una pendiente está influenciada por múltiples factores, como la geología, el tipo de suelo y la pendiente y la forma de la pendiente, todos los cuales actúan como variables de entrada para el modelo.

Los investigadores construyeron cinco versiones del modelo, cada uno con un nivel creciente de complejidad, y entrenó cada versión usando los datos de Collazzone. Al incluir la frecuencia de fallas de pendientes individuales y vincular las pendientes en 'vecindarios' para incorporar cómo el comportamiento de una pendiente podría influir en otras pendientes cercanas, su quinto y más complejo modelo predijo con precisión qué pendientes de Collazzone generarían deslizamientos de tierra y con qué frecuencia.

"Nuestro modelo aprende de eventos sucesivos a lo largo del tiempo, ", dice Lombardo." Aprende no sólo de las características físicas de una pendiente determinada, sino también de la ubicación de esa pendiente y su vecindario, y el comportamiento previo de esa pendiente y el comportamiento de sus vecinos. Este nivel de detalle es completamente nuevo en el modelado de deslizamientos de tierra ".

Lombardo espera que el modelo se utilice para informar a los sistemas de alerta temprana. El modelo es transferible y se puede utilizar en cualquier región del mundo, siempre que haya datos disponibles sobre deslizamientos de tierra locales.

"Espero llevar este modelo un paso más allá y predecir qué tan grande podría ser cada evento de deslizamiento de tierra, ", dice Lombardo." Si bien es útil predecir la frecuencia de los deslizamientos de tierra, predecir el tamaño de los deslizamientos de tierra individuales podría transformar los sistemas de alerta y mejorar la gestión de la tierra y las amenazas ".