Neues von Leibniz R: Leibniz-Zentrum für Agraglandschaftsforschung (ZALF)
Meta AI Framework für die Katastrophenprävention: Verbesserte Vorhersage von Erdrutschrisiken
Erdrutsche stellen weltweit eine erhebliche Bedrohung für Mensch und Umwelt dar. Forschende des Leibniz-Zentrums für Agrarlandschaftsforschung (ZALF) haben gemeinsam mit internationalen Partnern ein neues Framework entwickelt, das die Vorhersage von Erdrutschen mit Methoden des maschinellen Lernens deutlich verbessert. Das Modell kann Daten analysieren und präzise
Karten erstellen, in denen erdrutschgefährdete Zonen hervorgehoben sind. Es erreicht eine beeindruckende Genauigkeit von 95,6% bei der Vorhersage von Erdrutschrisiken. Die Ergebnisse wurden in der Fachzeitschrift „Scientific Reports“ veröffentlicht.
Wie funktioniert das Modell?
Um die Risiken von Erdrutschen besser vorhersagen zu können, verwendet das Modell eine Kombination aus sechs verschiedenen Methoden des maschinellen Lernens. „Das funktioniert im Prinzip ähnlich wie eine Wettervorhersage: Man analysiert die Wettermuster der Vergangenheit und sucht nach Indikatoren, wie dunkle Wolken und starker Wind, die oft Regen ankündigen. Unser Modell macht etwas Ähnliches – aber für Erdrutsche und in einem viel größeren Maßstab“, erläutern die Autoren des Papiers vom ZALF, Krishnagopal HALDER und Dr. Amit Kumar SRIVASTAVA.
Es verarbeitet eine große Anzahl an Umweltdaten, die Erdrutsche verursachen oder beeinflussen, wie zum Beispiel Niederschlagsmengen, Bodenbeschaffenheit, Landschaftsgefälle, Vegetationsbedeckung oder Menschliche Aktivitäten. Das Modell vergleicht diese Informationen mit vergangenen Erdrutschereignissen und erkennt Muster, die auf Gebiete mit hohem Risiko hinweisen. Ein Meta-Klassifikator nutzt dann die Stärken mehrerer KI-Modelle, indem er deren genaueste Vorhersagen kombiniert, um die Gesamtleistung zu verbessern. „Mit unseren neuen Vorhersagemodellen können wir erdrutschgefährdete Gebiete viel genauer identifizieren als bisher“, ergänzt Dr. SRIVASTAVA. „Das ist ein wichtiger Schritt, um die Menschen besser zu schützen und eine nachhaltige Landnutzung zu ermöglichen.“
Warum ist dieses Modell so wichtig?
Erdrutsche treten oft plötzlich auf und können erhebliche Schäden anrichten. Herkömmliche Risikobewertungsmethoden sind oft ungenau oder nehmen viel Zeit in Anspruch. Das neue Modell kann große Datenmengen schnell analysieren und erreicht eine beeindruckende Genauigkeit von 95,6% bei der Vorhersage von Erdrutschrisiken. Das Forschungsteam testete das Modell in der Sub-Himalaya-Region in Westbengalen, Indien – einem Gebiet, das stark von Erdrutschen betroffen ist. Die Analyse ergab, dass sich Hochrisikozonen vor allem in Gebieten mit starken Regenfällen, instabilen geologischen Strukturen und intensiver Landnutzung wie Abholzung und Urbanisierung befinden. Durch den Einsatz dieser neuen Technologie können Behörden und Katastrophenschutzorganisationen frühzeitig Maßnahmen ergreifen, um gefährdete Gebiete zu sichern und im Voraus Warnungen auszusprechen.
Zukünftige Anwendungen und Forschungsperspektiven
Die Methode kann nicht nur auf Erdrutsche angewendet werden, sondern auch auf die Vorhersage anderer Naturgefahren wie Überschwemmungen oder Bodensenkungen. In Zukunft könnte das Modell weiter verfeinert und für den weltweiten Einsatz angepasst werden.
Weitere Informationen
Originalveröffentlichung in Scientific Reports:
https://doi.org/10.1038/s41598-025-87587-3
Hinweis zum Text
Dies ist eine KI-generierte Zusammenfassung des Originalartikels: Halder, K. et al. (2025). Improving landslide susceptibility prediction using recursive feature elimination of ensembles and metalearning framework. Scientific Reports, 15, 5170.
DOI: https://doi.org/10.1038/s41598-025-87587-3.
Der Artikel ist Open Access unter der CC BY 4.0 Lizenz veröffentlicht. Der Text wurde unter den Gesichtspunkten der KI-Regelungen am ZALF sorgfältig überprüft und überarbeitet.