Auf den Azoren können lang anhaltende und starke Niederschläge Erdrutsche auslösen und Menschen, Häuser und Infrastruktur gefährden.
Die ursprüngliche SOILRISK-Fallstudie befasste sich mit einer praktischen Herausforderung: zu erkennen, wo in den kommenden Tagen ein Erdrutsch auftreten könnte, mit ausreichender räumlicher Detailtiefe zur Unterstützung von Vorsorge und Notfallplanung.
Die Forschung verband Informationen über das Gelände und veränderliche Umweltbedingungen. Ziel war es, vom Verständnis der Anfälligkeit einzelner Hänge zum Verständnis der zeitlichen Entwicklung des Risikos zu gelangen.
02 / Der Ansatz
Viele Faktoren. Ein verbundenes Gesamtbild.
Ein eigener Frühwarnalgorithmus auf Grundlage maschinellen Lernens.
Der ursprüngliche SOILRISK-Ansatz beschreibt mehr als 20 Einflussfaktoren. Bodenbedeckung, Geologie, Vegetation, Bodenfeuchte, Wind, Niederschlag und Bodenbewegung tragen unterschiedliche Teile zum Gesamtbild bei.
Durch die Kombination dieser Faktoren kann das Modell sowohl die Eigenschaften eines Hangs als auch die sich verändernden Bedingungen in seinem Umfeld berücksichtigen.
03 / Die Informationen dahinter
Von Satelliten zu lokale Bedingungen.
Vier Datenquellen aus dem ursprünglichen technischen Überblick.
01 / Bodenverformung
Die Hangbewegungen verfolgen.
Satellitengestützte Radarinterferometrie (InSAR) hilft, Bewegungen der Bodenoberfläche zu erkennen. Diese Beobachtungen liefern Informationen darüber, wie sich Hangaktivität räumlich und zeitlich verändert, und können helfen, vereinzelte Instabilitäten zu erkennen.
02 / Vegetation
Verstehen die Bodenbedeckung.
Vegetation, Bodeneigenschaften und Hangneigung helfen, anfällige Gebiete zu erkennen. Die Forschung verwendete Sentinel-2-Bilder zur Ableitung des NDVI, eines Index für den Vegetationszustand.
03 / Bodenfeuchte
Veränderungen verfolgen der Feuchtigkeit.
Das ursprüngliche Verfahren nutzte Sentinel-1-Radardaten und Änderungserkennung zur Schätzung der Bodenfeuchte. Karten der Bodenbedeckung dienten dazu, Gebiete mit weniger zuverlässigen Schätzungen auszublenden.
04 / Wetter
Bedingungen einbeziehen die sich ständig ändern.
Niederschlag und Wind gehen als dynamische Variablen in den Algorithmus ein. Soweit verfügbar, liefern stündliche Beobachtungen lokaler Wetterstationen neben Wetterprognosediensten zusätzlichen Kontext.
04 / Von der Forschung zur App
Eine regionale Grundlage. Eine breitere Perspektive.
Die Arbeit auf den Azoren ist Teil der wissenschaftlichen Grundlage für Eyecons eigene SOILRISK-Modelle.
Die App verbindet regionale SOILRISK-Modelle mit globalen LHASA-Informationen, Wetter und kompatiblen lokalen Messungen. Jede Quelle hat ihre eigene Abdeckung, Auflösung und ihren eigenen Prognosehorizont.
Prüfen Sie in der App, welches Modell und welche Informationen für Ihren Standort verfügbar sind. Die hier beschriebene regionale Forschung ist nicht als weltweite Spezifikation zu verstehen.