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

Wanneer zware regen valt op steile, beboste heuvels, kan de grond soms bezwijken, waardoor grond, gesteente en bomen de heuvel af glijden. Deze gebeurtenissen, bekend als aardverschuivingen, zijn krachtige natuurkrachten die landschappen hervormen en ernstige risico's vormen voor mensen en infrastructuur. Om te begrijpen waar deze gevaren liggen en hoe men zich erop kan voorbereiden, maken wetenschappers kaarten aan die precies vastleggen waar aardverschuivingen hebben plaatsgevonden. Traditioneel vereiste het maken van deze kaarten dat teams van mensen rondreden, heuvels opklommen en handmatig de grenzen van elke verschuiving tekenden die ze vonden. Dit proces is traag, duur en vaak onmogelijk om snel te voltooien na een grote ramp wanneer tijd cruciaal is. In de afgelopen jaren hebben wetenschappers echter satellieten in een baan om de aarde gaan gebruiken om te helpen. Deze machines kunnen foto's van de grond vanuit de ruimte maken, en door beelden die op verschillende momenten zijn genomen met elkaar te vergelijken, kunnen ze veranderingen in het landschap opmerken, zoals plekken waar bomen door een verschuiving zijn weggevaagd.

In het begin van 2022 veroorzaakte een reeks intense stormen die recordhoeveelheden regen over de Wilsons River catchment in New South Wales, Australië, een stortbui. De vloedgolf veroorzaakte duizenden aardverschuivingen in de regio, wat wegen beschadigde en gemeenschappen isoleerde. Hoewel de overstromingen goed gedocumenteerd waren, had nog niemand een volledige kaart gemaakt van de aardverschuivingen die in dit uitgestrekte, beboste gebied hadden plaatsgevonden. Onderzoekers van Southern Cross University zetten zich in om dit gat te vullen. Ze ontwikkelden een nieuwe methode om deze rampen snel en nauwkeurig in kaart te brengen met behruik van uitsluitend gratis satellietgegevens en standaard computertools. Hun doel was om een betrouwbare inventarisatie van elke aardverschuiving in de regio te maken zonder elk enkel terrein te voet te hoeven bezoeken, wat een cruciale basis biedt voor toekomstige veiligheidsplanning en herstelwerkzaamheden.

Het team begon door naar het landschap te kijken door de ogen van een satelliet genaamd Sentinel-2, die gedetailleerde beelden van het aardoppervlak vastlegt. Ze richtten zich op een specifieke meting genaamd de Normalized Difference Vegetation Index, een manier om te kwantificeren hoe groen en gezond de planten zijn. Gezonde bossen reflecteren licht op een specifieke manier waardoor ze zeer groen lijken, terwijl kale grond of beschadigde vegetatie er anders uitziet. Door beelden gemaakt vóór de stormen in mei 2021 te vergelijken met beelden gemaakt na de overstromingen in mei 2022, konden de onderzoekers gebieden identificeren waar de groenheid plotseling was verdwenen. Deze donkere plekken op de kaart gaven aan waar de vegetatie was verwijderd, wat een sterk teken is dat er een aardverschuiving heeft plaatsgevonden.

Het simpelweg zoeken naar ontbrekende groenheid is echter niet genoeg. De stormen zorgden ook voor het opzwollen van rivieren, het eroderen van hun oevers en het afzetten van modder op overstromingsvlaktes, wat ook vegetatie verwijdert en vergelijkbare donkere plekken op de satellietbeelden creëert. Als de onderzoekers alleen op basis van de satellietfoto's zouden vertrouwen, zouden ze riviererosie met werkelijke aardverschuivingen verwarren, wat zou leiden tot een kaart vol fouten. Om dit op te lossen, bouwde het team een stapsgewijs filterproces om de echte verschuivingen te scheiden van de rivierschade. Eerst verwijderden ze alle vegetatieverlies dat te dicht bij de rivieroevers plaatsvond, wetende dat verschuivingen meestal op hellingen beginnen en niet in het water. Vervolgens keken ze naar de vorm van het land. Ze wisten dat aardverschuivingen zelden voorkomen op vlak terrein of zeer flauwe hellingen, dus filterden ze alle veranderingen die plaatsvonden op lage hoogtes of op vlak terrein eruit. Ze stelden ook een minimale grootte in voor de kenmerken die ze telden, waarbij ze kleine stukjes ontbrekende planten negeerden die waarschijnlijk slechts ruis in de gegevens waren in plaats van echte rampen.

Nadat ze de computer door deze filters hadden laten lopen, bleven de onderzoekers over met duizenden kandidaat-gebieden die eruitzagen als aardverschuivingen. Maar het werk was nog niet gedaan. Het team controleerde vervolgens elk van deze kandidaten handmatig door naar luchtfoto's met een hoge resolutie te kijken, wat in feite neerkomt op inzoomen om te zien of de vorm en locatie van het kenmerk werkelijk overeenkwamen met een aardverschuiving. Ze verwijderden de resterende valse alarmen, zoals gebieden waar boeren land hadden vrijgemaakt of waar bomen door andere oorzaken waren gestorven. Deze zorgvuldige menselijke controle zorgde ervoor dat de uiteindelijke kaart accuraat en betrouwbaar was.

Het resultaat van dit proces was een uitgebreide inventarisatie van 3.689 afzonderlijke aardverschuivingspolygonen die een totaal oppervlak van 6,91 vierkante kilometer beslaan binnen het studiegebied van 1.871 vierkante kilometer. De kaart onthulde dat de aardverschuivingen niet gelijkmatig over de regio verspreid waren. In plaats daarvan waren ze zwaar geconcentreerd in de steile, hoger gelegen noordelijke delen van de catchment, met name rond de steden Nimbin en The Channon. In contrast hiermee vertoonden de vlakkere, lager gelegen gebieden nabij de rivier zeer weinig verschuivingen. De onderzoekers ontdekten dat de dichtheid van aardverschuivingen het hoogst was in de subgebieden van Leycester Creek en Goolmangar Creek, waar het terrein het steilst is.

Om hun werk te verifiëren, bezochten de onderzoekers verschillende locaties in het veld en vergeleken zij hun bevindingen met de door hen gemaakte kaart. Ze ontdekten dat elke aardverschuiving die zij bezochten, correct was geïdentificeerd door hun methode. Ze kruisverwezen hun kaart ook met overheidsgegevens van wegblokkades en reparatieprojecten, en vonden een sterke overeenkomst tussen de gebieden die zij in kaart brachten en de plaatsen waar de meest ernstige schade had plaatsgevonden. Dit bevestigde dat hun aanpak de werkelijke omvang van de ramp succesvol vastlegde terwijl de misleidende signalen van riviererosie en andere niet-aardverschuivingsgebeurtenissen werden genegeerd.

Deze studie toont aan dat het mogelijk is om gedetailleerde, regionale kaarten van aardverschuivingen snel en betaalbaar te maken met behulp van gratis beschikbare gegevens. Door satellietbeelden te combineren met eenvoudige regels over de vorm en locatie van het land, en af te sluiten met een zorgvuldige menselijke controle, heeft het team een instrument geproduceerd dat kan worden gebruikt door noodmanagers en lokale raden. Deze inventarisatie biedt een solide basis voor het begrijpen van hoe het landschap reageerde op de extreme regenval, wat functionarissen helpt bij het plannen voor toekomstige stormen, het beheren van het herstel van beschadigde infrastructuur en het beschermen van gemeenschappen tegen soortgelijke gebeurtenissen in de jaren die komen.