From Heuristic Models to GeoAI: A Scientometric and Thematic Evolution of Landslide Susceptibility Mapping Approaches

Aardverschuivingen behoren tot de meest destructieve krachten op aarde, in staat om snelwegen te verslinden, dorpen te begraven en landschappen in een oogwenk te hervormen. Decennialang hebben wetenschappers geprobeerd te voorspellen waar deze gebeurtenissen het meest waarschijnlijk zullen plaatsvinden, door kaarten te maken die gebieden met een hoog risico benadrukken. Deze kaarten, bekend als susceptibiliteitskaarten voor aardverschuivingen, rusten op het begrijpen van de relatie tussen de grond zelf en de factoren die beweging triggeren, zoals steile hellingen, zware regenval en het type rots of bodem dat aanwezig is. In de vroege dagen van dit werk vertrouwden experts zwaar op hun eigen ervaring en oordeelsvorming om deze factoren te wegen, waarbij zij conclusies trokken op basis van wat zij wisten over het terrein. Naarmate de tijd verstreek, zijn de instrumenten die beschikbaar waren voor deze onderzoekers echter drastisch veranderd. De opkomst van krachtige computers, hoogresolutie satellietbeelden en geavanceerde software heeft het wetenschappers mogelijk gemaakt om verder te gaan dan eenvoudige observatie en de wereld van datagestuurde voorspelling te betreden, waar algoritmen enorme hoeveelheden informatie kunnen verwerken om patronen te vinden die onzichtbaar zijn voor het menselijk oog.

Een nieuwe studie door onderzoekers van Morgan State University en de Federal School of Surveying in Nigeria biedt een uitgebreid kijkje in hoe dit veld de afgelopen twintig jaar is getransformeerd. Het team heeft geen nieuw experiment in het veld uitgevoerd; in plaats daarvan voerden zij een massale review uit van bestaande wetenschappelijke literatuur om de evolutie van de voorspelling van aardverschuivingen te traceren. Zij verzamelden 795 peer-reviewed onderzoeksartikelen gepubliceerd tussen 2006 en 2026 uit belangrijke wetenschappelijke databases. Met behulp van gespecialiseerde software, ontworpen om te analyseren hoe onderzoeks-thema's verbonden zijn en veranderen over de tijd, brachten zij de intellectuele reis van het vakgebied in kaart. Hun doel was om niet alleen te begrijpen welke methoden werden gebruikt, maar ook hoe de gehele aanpak van het probleem verschoiv van menselijke intuïtie naar kunstmatige intelligentie.

De analyse onthult een duidelijke en gestage transitie in de manier waarop wetenschappers aardverschuivingskaarten benaderen. In de vroegste periode, van 2006 tot 2012, werd het onderzoek gedomineerd door wat de auteurs heuristische modellen noemen. Dit zijn methoden waarbij experts gewichten toekennen aan verschillende factoren op basis van hun kennis, vaak gebruikmakend van eenvoudige statistische instrumenten om hun werk te controleren. Tijdens deze jaren lag de primaire focus op het verzamelen van betere gegevens via remote sensing, wat het observeren van de aarde van bovenaf betreft met behulp van satellieten en vliegtuigen. Naarmate de tijdlijn verschoof naar de periode tussen 2013 en 2018, verschoof de focus naar meer kwantitatieve benaderingen. Onderzoekers begonnen zwaar te vertrouwen op machine learning, een vorm van computerwetenschap waarbij algoritmen leren van data om voorspellingen te doen zonder expliciet geprogrammeerd te zijn voor elke specifieke regel. Dit tijdperk zag een toename in het gebruik van digitale hoogtemodellen, die gedetailleerde 3D-representaties van het terrein zijn, wat een veel nauwkeuriger begrip van helling en stabiliteit mogelijk maakt.

Tegen de tijd dat de onderzoekers de periode van 2019 tot 2022 onderzochten, was het vakgebied een nieuwe fase binnengegaan die werd gekenmerkt door de snelle adoptie van deep learning. Dit is een meer geavanceerde vorm van kunstmatige intelligentie die de manier nabootst waarop het menselijk brein informatie verwerkt via lagen van onderling verbonden knooppunten. De studie vond dat het aantal gepubliceerde artikelen tijdens deze jaren explodeerde, waarbij bijna 90 procent van alle onderzoeken in hun dataset na 2018 verscheen. De thema's in de literatuur breidden zich uit tot het omvatten van complexe ensemblemodellen, die de voorspellingen van meerdere verschillende algoritmen combineren om een robuuster en nauwkeuriger resultaat te creëren. De onderzoekers merkten ook een groeiende integratie op van technologieën zoals LiDAR, dat laserpulsen gebruikt om ongelooflijk gedetailleerde kaarten van het aardoppervlak te maken, en InSAR, een techniek die radar gebruikt om minuscule bewegingen in het aardoppervlak te detecteren voordat een aardverschuiving plaatsvindt.

In de meest recente periode, van 2023 tot 2026, identificeert de studie een volwassen landschap waarin de focus is verschoven naar het begrijpelijk en betrouwbaar maken van deze krachtige systemen van kunstmatige intelligentie. Hoewel het kern-doel van het voorspellen van aardverschuivingen hetzelfde blijft, zijn de methoden zeer gespecialiseerd geworden. De onderzoekers vonden dat wetenschappers nu werken aan uitlegbare kunstmatige intelligentie, een vakgebied dat gewijd is aan het openen van de "black box" van complexe algoritmen, zodat mensen kunnen begrijpen waarom een model een specifieke voorspelling heeft gedaan. Dit is cruciaal voor besluitvormers die de kaarten moeten kunnen vertrouwen voordat ze deze kunnen gebruiken bij het plannen van wegen of het evacueren van gemeenschappen. De studie benadrukt ook een groeiende nadruk op infrastructuur, met meer onderzoek dat gewijd is aan het beschermen van snelwegen en stedelijke gebieden, wat de toenemende waarde van deze systemen weerspiegelt in een wereld waar klimaatverandering en verstedelijking aardverschuivingen frequenter en gevaarlijker maken.

De review onthulde ook de menselijke kant van deze wetenschappelijke vooruitgang. De onderzoekers brachten het wereldwijde netwerk van samenwerking in kaart en vonden dat het werk zwaar geconcentreerd is in Azië, met name in China, dat het hoogste aantal studies produceerde. India, Vietnam en de Verenigde Staten kwamen ook naar voren als belangrijke knooppunten van activiteit. De analyse toonde aan dat deze onderzoekers niet in isolatie werken; in plaats daarvan vormen zij dichte netwerken van samenwerking, waarbij teams in verschillende landen samenwerken om gegevens te delen en hun modellen te verfijnen. Deze internationale inspanning is essentieel geweest in het voortstuwen van het vakgebied, waardoor nieuwe methoden getest kunnen worden in diverse landschappen en geologische omstandigheden.

Ondanks deze aanzienlijke vooruitgang wijst de studie erop dat er uitdagingen blijven bestaan. De onderzoekers merken op dat hoewel de modellen nauwkeuriger worden, ze nog steeds worstelen met onzekerheid. Het is vaak moeilijk om precies te weten hoe een model zal presteren op een nieuwe locatie die het nog nooit eerder heeft gezien, een probleem dat bekend staat als transfereerbaarheid. Er zijn ook zorgen over de kwaliteit van de data die gebruikt wordt om deze systemen te trainen; als de records van het verleden over aardverschuivingen incompleet of onnauwkeurig zijn, zullen de voorspellingen eronder lijden. Bovendien kan de complexiteit van de nieuwste modellen van kunstmatige intelligentie ervoor zorgen dat ze moeilijk te interpreteren zijn, wat vragen oproept over hoe te waarborgen dat ze beslissingen nemen op basis van gezonde geologische principes in plaats van enkel statistische toevalligheden.

Uiteindelijk dient deze review als een routekaart voor de toekomst van de aardverschuivingswetenschap. Het bevestigt dat het vakgebied zich ver voorbij de eenvoudige, op experts gebaseerde kaarten van het verleden heeft bewogen, en is geëvolueerd naar een verfijnde discipline die wordt gedreven door big data en kunstmatige intelligentie. De auteurs suggereren dat de volgende grens ligt in het creëren van systemen die niet alleen krachtig zijn, maar ook transparant en in staat zijn om in real-time te opereren. Door de nieuwste geospatiale technologie te combineren met geavanceerde computing, beogen wetenschappers een toekomst te bouwen waarin gemeenschappen met grotere precisie en betrouwbaarheid gewaarschuwd kunnen worden voor naderende aardverschuivingen, om zo het tij te keren tegen een van de meest onvoorspelbare gevaren van de natuur.