Machine Learning-Based Landslide Susceptibility Mapping and Environmental Controls in Hanang District, Northern Tanzania

Stell dir die Erde als eine riesige, leicht wackelige Wackelpudding-Form vor, die auf einem Teller steht. Manchmal schüttelt jemand den Teller (Erdbeben), oder manchmal gießt jemand zu viel Wasser oben drauf, sodass der Wackelpudding als klebriger Klumpen herunterrutscht. In der realen Welt wird dieses „Rutschen“ als Erdrutsch bezeichnet. Das passiert, wenn der Boden, meist auf einem Hügel oder Berg, beschließt, dass er sein eigenes Gewicht nicht mehr halten kann, und den Hang hinunterstürzt. Das ist eine große Sache, denn wenn der Boden in Bewegung gerät, kann er Häuser, Straßen und Wälder mit sich reißen und dadurch riesige Probleme für die Menschen verursachen, die dort leben.

Um dies zu verhindern, versuchen Wissenschaftler vorherzusagen, wo der Boden am wahrscheinlichsten abrutschen wird. Sie tun dies, indem sie eine Reihe von Hinweisen untersuchen, wie zum Beispiel die Steilheit des Hügels, wie viel Regen fällt und wie viele Bäume dort wachsen. Stell es dir wie einen Detektiv vor, der versucht, ein Rätsel zu lösen: „Wer ist ausgerutscht?“ Der Detektiv schaut sich die Nässe des Bodens an, den Winkel der Rampe und ob die Person rutschige Socken trug. In der Welt der Wissenschaft werden Computer immer mehr zu Super-Detektiven. Sie nutzen etwas namens „Maschinelles Lernen“, was im Grunde bedeutet, dem Computer beizubringen, aus vergangenen Fehlern (oder in diesem Fall aus vergangenen Erdrutschen) zu lernen, damit er erraten kann, wo der nächste Erdrutsch passieren könnte. Das ist super wichtig, denn wenn wir wissen, wo die Gefahr lauert, können wir sicherere Häuser bauen und die Menschen warnen, bevor die Katastrophe eintritt.

Lass uns nun zu einer speziellen Geschichte aus Tansania zoomen. Eine Forscherin namens Asnath Alberto Malekela beschloss, in der Hanang-Region, einem Ort im Norden Tansanias, der Ende 2023 schwer von einer massiven Erdrutschkatastrophe getroffen wurde, die Rolle der Detektivin zu übernehmen. Der Boden dort ist wie ein rauer, unebener Teppich, und als es heftig regnete, rutschte der Teppich einfach über den Boden weg. Asnath wollte genau herausfinden, welche Teile dieses Distrikts am wahrscheinlichsten erneut abrutschen würden, also baute sie ein digitales Kristallkugel-Programm mit einem Computerprogramm namens „Random Forest“.

Du fragst dich vielleicht, was ein „Random Forest“ ist? Stell dir vor, du versuchst das Wetter vorherzusagen. Anstatt nur eine Person zu fragen, fragst du einen ganzen Wald aus 100 verschiedenen Freunden. Jeder Freund schaut sich einen etwas anderen Satz an Hinweisen an (manche schauen auf die Wolken, manche auf den Wind, manche auf die Vögel). Dann lässt du abstimmen. Wenn 90 deiner Freunde sagen: „Es wird regnen“, dann glaubst du ihnen wahrscheinlich. Genau das hat das Random-Forest-Modell hier gemacht. Es hat 100 digitale „Bäume“ gefragt, die sich die Landschaft ansehen und darüber abstimmen, ob an einem bestimmten Punkt ein Erdrutsch stattfinden würde.

Um diesen digitalen Wald zu lehren, sammelte Asnath eine massive Liste von Hinweisen aus dem Weltraum und vom Boden. Sie fand 859 spezifische Punkte: 429, an denen tatsächlich Erdrutsche stattgefunden hatten (die „rutschigen“ Stellen) und 430, an denen der Boden vollkommen stabil war (die „sicheren“ Stellen). Dann fütterte sie den Computer mit zehn verschiedenen Arten von Informationen für jeden einzelnen Punkt, darunter:

• Wie hoch es ist (Höhenlage/Elevation).
• Wie steil der Hügel ist (Hangneigung/Slope).
• In welche Richtung der Hügel zeigt (Exposition/Aspect).
• Wie viel Regen fiel (sowohl in einem einzelnen schweren Sturm als auch über das ganze Jahr).
• Wie grün die Pflanzen sind (unter Verwendung eines speziellen Satellitenmesswertes namens NDVI).
• Wie feucht der Boden wahrscheinlich ist (Topographischer Feuchtigkeitsindex).
• Wie nah es an einem Fluss liegt.
• Wofür das Land genutzt wird (wie Landwirtschaft oder Wälder).

Der Computer ging dann an die Arbeit und verglich all diese Hinweise, um zu sehen, welche davon am wichtigsten waren. Das Ergebnis? Das Modell war unglaublich gut in seinem Job. Es hatte in 93,5 % der Fälle recht! Das ist so, als würde man eine eins mit sehr gut bekommen in einer wirklich schweren Prüfung. Der Computer war so klug, dass er bei der Erstellung seiner Karte feststellte, dass fast 44 % des gesamten Hanang-Distrikts in der Gefahrenzone „Hoch“ oder „Sehr Hoch“ liegen. Das ist fast die Hälfte des Distrikts!

Aber hier ist der überraschendste Teil der Geschichte. Du würdest vielleicht denken, dass die Steilheit des Hügels oder die Menge des Regens die größten Schurken wären. Und obwohl sie definitiv wichtig waren, zeigte der Computer mit einem riesigen digitalen Finger auf etwas anderes: Die Vegetation.

Die Studie ergab, dass der Zustand der Vegetation (wie gesund und dicht die Pflanzen sind) der wichtigste Hinweis war. Der Computer gab dem Faktor „Grünheit“ die höchste Punktzahl von allen. Denk es dir so vor: Pflanzen sind wie das körpereigene Sicherheitsnetz der Natur. Ihre Wurzeln halten den Boden zusammen wie Millionen winziger Hände, die eine Decke festhalten. Wenn die Pflanzen gesund und dicht sind, halten sie den Boden fest. Aber wenn die Pflanzen spärlich, beschädigt oder gar nicht vorhanden sind, bleibt der Boden nackt und verwundbar. Asnaths Forschung deutet darauf hin, dass das Bedecken des Bodens mit gesunden Pflanzen der beste Weg ist, um den Wackelpudding am Rutschen zu hindern.

Der Computer fand auch heraus, dass, während ein einzelner schwerer Regensturm der Funke ist, der das Feuer entfacht, die Trockenheit oder Feuchtigkeit des Bodens vor dem Sturm genauso wichtig ist. Es ist wie ein Schwamm: Wenn der Schwamm durch wochenlangen Regen bereits durchnässt ist, wird schon ein wenig mehr Wasser dazu führen, dass er überall herabtropft. Die Studie zeigte, dass die Kombination aus langfristigen Wettermustern und kurzen, intensiven Stürmen, gemischt mit der Form des Landes und der Gesundheit der Pflanzen, das perfekte Rezept für einen Erdrutsch darstellt.

Um sicherzustellen, dass der Computer nicht nur rät, überprüfte Asnath seine Arbeit anhand der echten Geschichte. Sie betrachtete die 429 realen Erdrutschstellen aus der Vergangenheit und sah, wo diese auf der Karte des Computers landeten. Das Ergebnis war erstaunlich: 93,71 % der echten Erdrutsche fielen exakt in die „Hohen“ oder „Sehr Hohen“ Gefahrenzonen, die der Computer vorhergesagt hatte. Es war, als hätte der Computer eine Karte, die perfekt mit dem Tatort übereinstimmte.

Was bedeutet das also für die Zukunft? Die Studie sagt nicht nur „Sei vorsichtig“. Sie liefert einen konkreten Fahrplan. Sie sagt uns, dass wir, wenn wir Erdrutsche in Hanang verhindern wollen, uns darauf konzentrieren müssen, die Vegetation zu schützen und wiederherzustellen. Sie legt auch nahe, dass wir besonders vorsichtig sein müssen, wenn wir neue Straßen oder Häuser in den steilen, grünen Gebieten in der Nähe von Flüssen bauen, denn dort ist die Gefahr am größten. Die Studie beweist, dass wir durch den Einsatz smarter Computerprogramme und das Betrachten der richtigen Hinweise aus dem Weltraum die Gefahr sehen können, bevor sie eintritt. Es ist ein mächtiges Werkzeug, das Menschen hilft, besser zu planen, sicherer zu bleiben und zu verstehen, dass manchmal das Wichtigste, was den Berg zusammenhält, das Gras und die Bäume sind, die wir aus der Ferne nicht immer sehen können.