Sviluppato il primo modello di previsione quasi in tempo reale al mondo per le frane innescate dai terremoti

Roma – il team del Prof. Xuanmei Fan presso il Laboratorio Statale di Prevenzione dei Rischi Geografici e Protezione Geoambientale (Università di Tecnologia di Chengdu) ha compilato e pubblicato su National Science Review il database globale di frane cosismiche più completo ad oggi, con 398.698 eventi mappati in 38 terremoti di grande entità a partire dagli anni ’70. Ogni poligono di frana è stato rigorosamente validato integrando il rilevamento dei cambiamenti basato sul telerilevamento e la revisione manuale di esperti per garantire l’accuratezza dei confini e la coerenza temporale. Sulla base di questo inventario, i ricercatori hanno progettato una serie di 17 indicatori topografici, geo-ecologici, idrologici e sismologici. L’analisi spaziale e statistica ha rivelato che l’accelerazione massima del terreno, la pendenza e la litologia sono i principali fattori determinanti delle frane cosismiche su scala globale, con un’influenza secondaria del rilievo e della rugosità del terreno. Inoltre, hanno suddiviso l’inventario globale nelle fasce sismiche circumpacifica e alpino-himalayana, ciascuna ulteriormente suddivisa in zone climatiche fredde, temperate ed equatoriali, rivelando distinti controlli dominanti in ciascuna regione e fornendo una base per l’ottimizzazione dei parametri del modello regionale. Le frane innescate dai terremoti rappresentano un grave rischio secondario, spesso responsabile di decine di migliaia di vittime e miliardi di dollari di perdite economiche ogni anno. Tuttavia, l’identificazione rapida del punto in cui si verificheranno le frane rimane una sfida: il telerilevamento può mappare i crolli del passato, ma si basa su immagini senza nuvole che potrebbero non essere disponibili durante le ore critiche successive a un terremoto. “Il nostro modello di apprendimento profondo consente di fornire mappe di probabilità quasi in tempo reale del verificarsi di frane immediatamente dopo un terremoto, senza alcuna etichettatura preventiva”, afferma il Prof. Fan. “Questa capacità può guidare i soccorritori e i gestori dei rischi nelle aree più a rischio nelle prime ore cruciali”. Il Prof. John Jansen, coautore dell’Accademia ceca delle scienze, sottolinea il potenziale operativo: “Integrando i risultati del nostro modello con sovrapposizioni di popolazione e infrastrutture, possiamo stimare le comunità a rischio esposte in pochi secondi, molto prima che siano disponibili immagini ad alta risoluzione”.(30Science.com)