Le frane sono uno dei disastri naturali più distruttivi del pianeta, causando ogni anno miliardi di dollari di danni e devastanti perdite di vite umane. Introducendo un nuovo paradigma per studiare le forme delle frane e i tipi di cedimento, un team globale di ricercatori ha fornito aiuto a coloro che lavorano per prevedere le frane e valutare i rischi.
Dottorato di ricerca del Rochester Institute of Technology. Lo studente Kamal Rana (scienze dell’immagine) è stato l’autore principale di un articolo recentemente pubblicato su Comunicazioni sulla natura annunciando la ricerca, insieme al coautore Nishant Malik, assistente professore alla Scuola di Matematica e Statistica del RIT. Anche Kushanav Bhuyan, dell’Università di Padova e del Machine Intelligence and Slope Stability Laboratory, è stato uno dei coautori principali.
Gli attuali modelli predittivi si basano su database che generalmente non includono informazioni sul tipo di cedimento delle frane mappate. Utilizzando la vista aerea e i dati di elevazione dei siti delle frane combinati con l’apprendimento automatico, i ricercatori sono stati in grado di raggiungere una precisione dell’80-94% nell’identificazione dei movimenti delle frane in diverse località in tutto il mondo. Nello specifico, lo studio introduce un metodo per esaminare diapositive, flussi e errori, individuando modelli distinti.
I ricercatori hanno studiato le frane in tutto il mondo, come il disastro del 2008 a Beichuan, in Cina, per sviluppare un nuovo paradigma per comprenderne i movimenti e i tipi di guasto.
“Il nostro algoritmo non prevede le frane”, ha spiegato Malik. “Ma le persone che si occupano di prevedere le frane hanno bisogno di conoscere più informazioni su di esse, come cosa le ha causate e quali meccanismi hanno comportato.”
Sono state studiate varie località, tra cui Italia, Stati Uniti, Danimarca, Turchia e Cina. L’ampia gamma di paesi ha contribuito a confermare la validità dei risultati, poiché possono essere utilizzati con successo in diverse regioni e climi.
“È stato davvero esaltante vedere i numeri del successo”, ha detto Bhuyan. “Abbiamo ottenuto dei risultati, che sono davvero buoni, ma dobbiamo essere in grado di collegarli alla realtà.”
L’applicazione nel mondo reale di questa ricerca ha un impatto personale per Rana, che proviene dalla regione himalayana dell’India.
“Ho visto tanti casi in cui si sono verificate frane”, ha detto Rana. “Le strade sono bloccate per due o tre settimane. Non c’è comunicazione dalle città ai villaggi. Ciò impedisce alle persone di andare al lavoro o agli studenti di andare a scuola.”
La speranza è che questa comprensione più profonda dei movimenti di guasto possa aiutare coloro che lavorano per prevedere eventi mortali e migliorare l’accuratezza e l’affidabilità dei modelli di valutazione dei pericoli e dei rischi, che aiuteranno a salvare vite umane e a ridurre i danni.
Insieme a Rana, Bhuyan e Malik, tra i coautori dell’articolo figurano Joaquin V. Ferrer, Fabrice Cotton e Ugur Ozturk dell’Università di Potsdam e Filippo Catani dell’Università di Padova.
Da un’altra testata giornalistica. news de www.sciencedaily.com
