Instituto de Tecnología de Rochester Ph.D. El estudiante Kamal Rana (ciencias de la imagen) fue el autor principal de un artículo publicado recientemente en Nature Communications. , junto con el coautor Nishant Malik, profesor asistente en la Escuela de Matemáticas y Estadística del RIT. Kushanav Bhuyan, de la Universidad de Padua y del Laboratorio de Inteligencia de Máquinas y Estabilidad de Taludes, también fue el coautor principal.

Los modelos predictivos actuales se basan en bases de datos que generalmente no incluyen información sobre el tipo de falla de los deslizamientos de tierra cartografiados. Al utilizar la vista aérea y los datos de elevación de los sitios de deslizamientos de tierra combinados con el aprendizaje automático, los investigadores pudieron lograr entre un 80% y un 94% de precisión en la identificación de movimientos de deslizamientos de tierra en diversos lugares del mundo. Específicamente, el estudio introduce un método para examinar diapositivas, flujos y fallas, encontrando patrones distintos.

"Nuestro algoritmo no predice deslizamientos de tierra", explicó Malik. "Pero las personas que se dedican a predecir deslizamientos de tierra necesitan saber más información sobre ellos, como qué los causó y qué mecanismos fueron".

Se estudiaron varios lugares, incluidos Italia, Estados Unidos, Dinamarca, Turquía y China. La amplia gama de países ayudó a confirmar la solidez de los hallazgos, ya que pueden utilizarse con éxito en diversas regiones y climas.

"Fue muy emocionante ver las cifras de éxito", dijo Bhuyan. "Obtuvimos resultados, que son realmente buenos, pero necesitamos poder conectar esto con la realidad."

La aplicación de esta investigación al mundo real tiene un impacto personal para Rana, que es de la región del Himalaya de la India.

"He visto muchos casos de deslizamientos de tierra", dijo Rana. "Las carreteras están bloqueadas durante dos o tres semanas. No hay comunicación entre las ciudades y los pueblos. Esto impide que la gente vaya a sus trabajos o que los estudiantes vayan a la escuela".

La esperanza es que esta comprensión más profunda de los movimientos de fallas ayude a quienes trabajan para predecir eventos mortales y mejorar la precisión y confiabilidad de los modelos de evaluación de peligros y riesgos, lo que ayudará a salvar vidas y reducir los daños.

Junto con Rana, Bhuyan y Malik, los coautores del artículo incluyen a Joaquin V. Ferrer, Fabrice Cotton y Ugur Ozturk de la Universidad de Potsdam, y Filippo Catani de la Universidad de Padua.