Landslide susceptibility in the Western Ghats controlled by terrain and tourism driven urbanisation mapped with remote sensing and machine learning

De West-Ghats, een imposante bergketen die langs de westkust van India loopt, is een plek van adembenemende schoonheid en angstaanjagende instabiliteit. Dit eeuwenoude gebergte, erkend als een UNESCO Werelderfgoedlocatie, herbergt enkele van de meest intense regenval op aarde tijdens het moessonseizoen. Decennialang hebben wetenschappers begrepen dat zware regenval de directe vonk is die aardverschuivingen hier in gang zet. Wanneer de bodem verzadigd raakt, neemt de zwaartekracht het over en glijdt de aarde naar beneden langs de steile hellingen. Er is echter een groeiende hoeveelheid bewijs dat suggereert dat regen niet de enige acteur in dit drama is. De manier waarop mensen het landschap veranderen — door bossen te kappen om wegen, huizen en hotels te bouwen — kan het geweer mogelijk laden, waardoor het terrein veel vatbaarder wordt voor falen wanneer de regen eindelijk komt. Deze verschuiving in perspectief verplaatst het gesprek van louter natuurlijke rampen naar een mix van natuur en menselijke keuzes, waarbij de vraag wordt gesteld of we onze bouwactiviteiten kunnen beheren om mensen veilig te houden.

In een recente studie gericht op deze kritieke regio, onderzochten onderzoekers precies hoeveel toerisme-gedreven constructie bijdraagt aan het risico op aardverschuivingen. Het team, onder leiding van Vinay Kellengere Shankarnarayan, onderzocht vier specifieke hotspots die bekend staan om frequente aardverschuivingen: Wayanad in Kerala, en de Kodagu, Sakleshpur en Kolhapur–Satara-zones in Karnataka en Maharashtra. Deze gebieden delen een gemeenschappelijke geografie van steile hellingen en dikke, verweringbodems, maar verschillen in de snelheid waarmee ze worden ontwikkeld. De onderzoekers wilden zien of ze satellietbeelden en computermodellen konden gebruiken om de invloed van het natuurlijke landschap te scheiden van de invloed van menselijke bebouwing. Ze waren bijzonder geïntrigeerd door de snelle expansie van resorts en homestays, die vaak diepwortelde bossen vervangen door beton en vrijgeklaaid land, wat potentieel het vermogen van de grond om bij elkaar te blijven verzwakt.

Om een beeld van het landschap te vormen, maakte het team gebruik van een enorm archief van satellietbeelden die over twee decennia zijn genomen, van 2005 tot 2026. Ze gebruikten gratis, hoogwaardige beelden van de Landsat-satellieten, die fungeren als een camera in de lucht en de aarde vastleggen in verschillende kleuren licht. Door deze beelden te analyseren, konden de onderzoekers zien hoe de landbedekking in de loop van de tijd veranderde. Ze zochten naar specifieke tekenen van verandering: een afname in de groenheid van de vegetatie, wat wijst op bosverlies, en een toename in de helderheid van de grond, wat duidt op de verspreiding van gebouwen en verharde oppervlakken. Ze combineerden deze visuele gegevens met een gedetailleerde digitale kaart van de vorm van het terrein, inclus\nief de steilheid en ruwheid. Dit creëerde een rijke dataset die niet alleen beschreef waar de bergen waren, maar ook hoe mensen hen hadden veranderd.

De onderzoekers voedden deze gegevens vervolgens aan krachtige computerprogramma's die ontworpen zijn om patronen te leren, vergelijkbaar met hoe een student vormen leert herkennen door veel voorbeelden te bestuderen. Ze leerden deze programma's het verschil te herkennen tussen hellingen die waren verschoven en hellingen die stabiel waren gebleven. De computer kreeg 516 gedocumenteerde aardverschuivingen uit officiële overheidsregisters te zien, samen met een gelijk aantal veilige plekken, en werd gevraagd te achterhalen wat de gevaarlijke plekken gevaarlijk maakte. Het doel was om te zien of de computer de locatie van aardverschuivingen kon voorspellen op basis van het terrein en het landgebruik. De resultaten waren opmerkelijk. De computermodellen, in het bijzonder één genaamd Random Forest, werden zeer accuraat in het voorspellen van risico's en identificeerden correct de locatie van bijna 90% van de bekende aardverschuivingen bij het testen op nieuwe data.

Het meest onthullende deel van de studie was het begrijpen van wat de computer had geleerd. Het model bevestigde dat de natuurlijke vorm van het land de belangrijkste factor is; steile, ruwe hellingen zijn inherent meer geneigd tot verschuivingen. Echter, de studie vond ook dat menselijke constructie een significante en meetbare rol speelt. De aanwezigheid van gebouwen en vrijgeklaaid land rangschikte als de derde belangrijkste factor bij het voorspellen van een aardverschuiving, net achter de steilheid van de helling. Dit suggereert dat het bouwen op deze kwetsbare heuvels niet slechts een passieve achtergronddetail is, maar een actieve drijfveer van risico. De gegevens toonden een duidelijke trend: tussen 2005 en 2026 daalde het gebied van dicht bos in de Wayanad-regio van 90% naar 79%, terwijl het gebied bedekt door plantages en bebouwing groeide. Deze conversie van bos naar bebouwd land creëerde een directe link tussen toeristische ontwikkeling en toegenomen instabiliteit.

De bevindingen bieden een wetenschappelijke basis voor recente beleidsbeslissingen in de regio. Na een catastrofale aardverschuiving in juli 2024, waarbij meer dan 300 levens verloren gingen in de Mundakkai–Chooralmala-corridor, bevalen lokale autoriteiten de sloop van zeven resorts gelegen in een hoogrisicozone. De computergegenereerde kaarten uit deze studie bevestigden onafhankelijk dat deze specifieke resorts zich in gebieden met een zeer hoge gevoeligheid bevonden, wat de beslissing om hen te verwijderen valideerde. Het onderzoek geeft aan dat hoewel we de moessonregens niet kunnen controleren, we wel controle hebben over waar en hoe we bouwen. Door de constructie in ecologisch gevoelige gebieden te reguleren, met name op steile hellingen waar bossen zijn verwijderd, is het mogelijk om de waarschijnlijkheid van toekomstige rampen te verminderen. De studie concludeert dat het beheren van de gebouwde omgeving even cruciaal is voor de veiligheid als het voorspellen van het weer, wat een praktisch pad biedt voor de bescherming van levens in een van de mooiste en meest kwetsbare bergketens ter wereld.