A regional-scale landslide mapping following extreme rainfall using freely available remote sensing data

Quando la pioggia intensa cade su colline boscose e ripide, il terreno può talvolta cedere, facendo scivolare verso il basso terra, rocce e alberi. Questi eventi, noti come frane, sono potenti forze naturali che rimodellano i paesaggi e pongono seri rischi per le persone e le infrastrutture. Per capire dove risiedono questi pericoli e come prepararsi ad essi, gli scienziati creano mappe che registrano esattamente dove si sono verificati i movimenti franosi. Tradizionalmente, realizzare queste mappe richiedeva che squadre di persone guidassero per le strade, scalassero colline e disegnassero manualmente i confini di ogni scivolamento trovato. Questo processo è lento, costoso e spesso impossibile da completare rapidamente dopo un grande disastro, quando il tempo è critico. Negli ultimi anni, tuttavia, gli scienziati si sono rivolti ai satelliti che orbitano attorno alla Terra per ricevere aiuto. Queste macchine possono scattare foto del suolo dallo spazio e, confrontando le immagini scattate in momenti diversi, possono individuare i cambiamenti nel terreno, come dove la vegetazione è stata spogliata da una frana.

All'inizio del 2022, una serie di tempeste intense ha scaricato quantità record di pioggia sul bacino del fiume Wilsons, nel Nuovo Galles del Sud, in Australia. Il diluvio ha scatenato migliaia di frane in tutta la regione, danneggiando le strade e isolando le comunità. Sebbene l'inondazione fosse ben documentata, nessuno aveva ancora creato una mappa completa delle frane avvenute in quest'area vastamente boscosa. I ricercatori della Southern Cross University si sono dati da fare per colmare questa lacuna. Hanno sviluppato un nuovo metodo per mappare rapidamente e accuratamente questi disastri utilizzando solo dati satellitari gratuiti e strumenti informatici standard. Il loro obiettivo era creare un inventario affidabile di ogni frana nella regione senza la necessità di visitare ogni singolo sito a piedi, fornendo una base cruciale per la futura pianificazione della sicurezza e per gli sforzi di recupero.

Il team ha iniziato osservando il paesaggio attraverso gli occhi di un satellite chiamato Sentinel-2, che cattura immagini dettagliate della superficie terrestre. Si sono concentrati su una misurazione specifica chiamata Indice di Vegetazione Differenziata Normalizzata, un modo per quantificare quanto le piante siano verdi e sane. Le foreste sane riflettono la luce in un modo specifico che le fa apparire molto verdi, mentre il suolo nudo o la vegetazione danneggiata appaiono diversamente. Confrontando le immagini scattate prima delle tempeste, nel maggio 2021, con quelle scattate dopo le inondazioni, nel maggio 2022, i ricercatori potevano identificare le aree in cui la "verdezza" era improvvisamente scomparsa. Queste macchie scure sulla mappa indicavano dove la vegetazione era stata rimossa, il che è un segno forte che si era verificata una frana.

Tuttavia, guardare semplicemente la mancanza di verde non è sufficiente. Le tempeste hanno anche causato l'ingrossamento dei fiumi, l'erosione delle loro sponde e il deposito di fango nelle pianure alluvionali, tutte cose che rimuovono anche la vegetazione e creano segni simili nelle immagini satellitari. Se i ricercatori si fossero affidati solo alle immagini satellitari, avrebbero confuso l'erosione fluviale con le vere frane, creando una mappa piena di errori. Per risolvere questo problema, il team ha costruito un processo di filtraggio a tappe successive per separare le vere scivolate dai danni fluviali. Per prima cosa, hanno rimosso qualsiasi perdita di vegetazione avvenuta troppo vicino alle rive dei fiumi, sapendo che le frane solitamente iniziano sui versanti delle colline, non nell'acqua. Successivamente, hanno esaminato la forma del terreno. Sapevano che le frane raramente accadono su terreni pianeggianti o pendenze molto dolci, quindi hanno filtrato qualsiasi cambiamento avvenuto a basse altitudini o su terreni pianeggianti. Hanno anche stabilito una dimensione minima per le caratteristiche contate, ignorando le piccole chiazze di piante mancanti che erano probabilmente solo rumore nei dati piuttosto che veri disastri.

Dopo aver fatto passare il computer attraverso questi filtri, i ricercatori si sono ritrovati con migliaia di aree candidate che sembravano frane. Ma il lavoro non era finito. Il team ha poi controllato manualmente ciascuno di questi candidati guardando fotografie aeree ad alta risoluzione, essenzialmente facendo uno zoom per vedere se la forma e la posizione della caratteristica corrispondessero davvero a una frana. Hanno rimosso i rimanenti falsi allarmi, come le aree in cui gli agricoltori avevano disboscato il terreno o dove gli alberi erano morti per altre cause. Questa attenta revisione umana ha garantito che la mappa finale fosse accurata e affidabile.

Il risultato di questo processo è stato un inventario completo di 3.689 poligoni di frana distinti, che coprono un'area totale di 6,91 chilometri quadrati all'interno dell'area di studio di 1.871 chilometri quadrati. La mappa ha rivelato che le frane non erano distribuite uniformemente nella regione. Al contrario, erano fortemente concentrate nelle parti settentrionali del bacino, più alte e ripide, in particolare intorno alle città di Nimbin e The Channon. Al contrario, le zone più pianeggianti e basse vicino al fiume avevano pochissime frane. I ricercatori hanno scoperto che la densità delle frane era più alta nelle sotto-aree di Leycester Creek e Goolmangar Creek, dove il terreno è più ripido.

Per verificare il proprio lavoro, i ricercatori hanno visitato diverse località sul campo e hanno confrontato i loro risultati con la mappa che avevano creato. Hanno scoperto che ogni singola frana che avevano visitato era stata correttamente identificata dal loro metodo. Hanno anche incrociato la loro mappa con i registri governativi delle chiusure stradali e dei progetti di riparazione, trovando una forte corrispondenza tra le aree mappate e i luoghi in cui si era verificato il danno più grave. Ciò ha confermato che il loro approccio aveva catturato con successo l'effettiva entità del disastro, ignorando i segnali fuorvianti derivanti dall'erosione fluviale e da altri eventi non legati alle frane.

Questo studio dimostra che è possibile creare mappe dettagliate di frane su scala regionale in modo rapido ed economico utilizzando dati disponibili gratuitamente. Combinando le immagini satellitari con regole semplici sulla forma e la posizione del terreno, e concludendo con un attento controllo umano, il team ha prodotto uno strumento che può essere utilizzato dai gestori delle emergenze e dai consigli locali. Questo inventario fornisce una solida base per comprendere come il paesaggio abbia risposto alle precipitazioni estreme, aiutando le autorità a pianificare le future tempeste, gestire il recupero delle infrastrutture danneggiate e proteggere le comunità da eventi simili negli anni a venire.