Учёные из Северо-Западного университета и Калифорнийского университета в Лос-Анджелесе создали новую систему, которая обеспечивает более точный и динамический подход к прогнозированию оползней на больших территориях. В отличие от традиционных методов, новый подход объединяет различные водные процессы с моделью машинного обучения.
Традиционные методы прогнозирования оползней часто полагаются исключительно на интенсивность осадков. Однако новая система учитывает разнообразные и иногда усиливающие друг друга факторы. Это позволяет получить более полное представление о том, что вызывает эти разрушительные явления.
Дальнейшее развитие этой системы может помочь улучшить системы раннего предупреждения, информировать о планировании мероприятий по снижению рисков и повысить стратегии адаптации к изменению климата в регионах, уязвимых к оползням. В конечном счёте, такие подходы могут помочь спасти жизни и предотвратить ущерб.
Исследование под названием «Смешанные гидрометеорологические процессы объясняют региональный потенциал оползней» было опубликовано в «Geophysical Research Letters».
«Текущие системы раннего предупреждения обычно получают информацию из исторических данных об осадках и оползнях», — сказал Чусуань Ли, первый автор исследования. «Поскольку они основаны на исторических данных, они не учитывают изменение климата. В будущем мы ожидаем более интенсивных осадков и увеличения количества сильных осадков. Эти системы часто не учитывают таяние снега или другие условия на местности. Наша модель учитывает более широкий спектр факторов, поэтому мы можем выявить более разнообразные пути, приводящие к оползням на больших пространственных масштабах».
«Различные оползни могут быть вызваны разными гидрологическими процессами», — сказал Дэниел Э. Хортон из Северо-Западного университета, старший автор исследования. «Мы пытаемся определить, какие оползни вызваны какими процессами. Но мы также пытаемся мыслить гораздо шире; в масштабе, соответствующем штормам, которые вызывают эти события. Наша цель — разработать инструменты, которые можно было бы использовать в широком регионе, например, в штате Калифорния».
Хортон — доцент кафедры наук о Земле, окружающей среде и планетах в Северо-Западном университете, где он возглавляет исследовательскую группу по изменению климата. Ли — доктор философии из лаборатории Хортона в Северо-Западном университете и нынешний постдокторский исследователь в Калифорнийском университете в Лос-Анджелесе.
Оползни, представляющие собой опасные потоки воды, грязи и камней, трудно предсказать, особенно на больших территориях с разнообразными ландшафтами и различными климатическими условиями. Чтобы лучше понять, как и почему происходят широко распространённые оползни, команда из Северо-Западного университета и Калифорнийского университета в Лос-Анджелесе изучила один месяц экстремальных погодных условий в Калифорнии.
В зимний период 2022–2023 годов Калифорния пережила беспрецедентный «парад» из девяти последовательных атмосферных рек, которые вызвали катастрофические наводнения и более 600 оползней.
Чтобы понять пути, которые привели к этим оползням, учёные использовали разработанную сообществом компьютерную модель, которая имитирует движение воды в окружающей среде, включая дождь, проникающий в почву, стекающий по поверхности, испаряющийся, а также таяние снега и льда.
Для управления моделью команда использовала разнообразные метеорологические, географические и исторические данные. Это включало информацию о рельефе, глубине почвы, прошлых лесных пожарах, осадках, метеорологических и климатических условиях.
Используя выходные данные модели, команда разработала показатель, называемый «статус водного баланса» (WBS), для оценки того, когда в определённой области слишком много воды. Положительный WBS означает, что воды больше, чем может поглотить, сохранить, испарить или дренировать почва. Это также означает более высокий потенциал для оползней.
Наконец, команда из Северо-Западного университета и Калифорнийского университета в Лос-Анджелесе применила метод машинного обучения, чтобы сгруппировать похожие оползни на основе конкретных условий их участков. С помощью этого метода они определили три основных пути, которые привели к оползням в Калифорнии: интенсивные осадки, дождь на уже насыщенных почвах и таяние снега или льда.
Команда прогнозирует, что сильные и быстрые ливни стали причиной около 32% оползней. Примерно 53% оползней произошли после умеренных дождей, выпавших на почвы, уже насыщенные после предыдущих штормов. И около 15% оползней были связаны со снегом или льдом, когда дождь ускорял таяние снега или льда.
«Мы обнаружили, что большинство оползней были вызваны чрезмерно влажными условиями», — сказал Ли. «Под чрезмерно влажными мы подразумеваем, что количество осадков превышает способность почвы удерживать или отводить воду. Это может быть особенно опасно на крутых склонах».
Когда учёные сравнили эти события со своей моделью, они обнаружили, что значительное большинство (89%) оползней в Калифорнии произошло в районах, где WBS был положительным. Это подтвердило, что показатель может точно определять условия, благоприятные для оползней.
«Хотя это исследование рассматривает прошлое событие, наша конечная цель — чтобы метод смотрел вперёд и делал прогнозы», — сказал Хортон. «Мы планируем взять разработанную нами модель и использовать её в сочетании с моделями прогнозирования погоды».
Поскольку глобальный климат продолжает меняться, системы прогнозирования становятся важнее, чем когда-либо. Поскольку более тёплый воздух может удерживать больше водяного пара, штормы могут приносить больше воды. А больше воды часто означает более опасные наводнения и оползни.