Un team di scienziati ha sviluppato un sistema innovativo che promette di migliorare drasticamente la previsione delle frane, superando i metodi tradizionali basati unicamente sull’intensità delle precipitazioni. Lo studio, pubblicato su Geophysical Research Letters e condotto da ricercatori della Northwestern University e dell’Università della California a Los Angeles, sotto la guida di Chuxuan Li e Daniel E. Horton, integra complessi processi idrologici con l’apprendimento automatico.
Il nuovo approccio offre una comprensione più approfondita delle cause di questi eventi distruttivi, considerando una vasta gamma di fattori che portano alle frane. “Il nostro modello – spiega Li – identifica percorsi diversificati che portano alle frane, riconoscendo che non sono tutte uguali e dipendono da svariati processi idrologici“.
I ricercatori hanno testato il sistema analizzando un mese di condizioni meteorologiche estreme in California durante l’inverno 2022-23, un periodo che ha visto oltre 600 frane. Utilizzando un modello computerizzato per simulare il movimento dell’acqua, hanno sviluppato una metrica, lo “stato di bilancio idrico” (WBS), per valutare l’eccesso di acqua. L’apprendimento automatico ha permesso di identificare tre percorsi principali: piogge intense (32% dei casi), pioggia su terreni già saturi (53%) e scioglimento di neve o ghiaccio (15%).
Questo modello non solo migliorerà i sistemi di allerta precoce, ma guiderà anche la pianificazione dei rischi e rafforzerà la resilienza climatica nelle regioni vulnerabili. “L’umidità eccessiva ha giocato un ruolo centrale – conclude Horton – e il nostro sistema ha identificato con precisione le condizioni favorevoli alle frane“.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?