(CONNECT) Forschende der Hochschule für Agrar-, Forst- und Lebensmittelwissenschaften (BFH-HAFL) der Berner Fachhochschule (BFH) arbeiten an einem Modell, um Ausdehnung und Reichweiten künftiger Steinschläge besser voraussagen zu können. Wie es in einer Mitteilung heisst, nutzen die Berner Wissenschaftler dazu maschinelles Lernen, um grosse Datenmengen aus internationalen Datenbanken historischer Ereignisse auszuwerten. Ein Ziel des Projektes ist, Simulationsmodelle von Erdrutschen und Steinschlägen sowie deren mögliche Reichweiten zu erstellen.
„Solche Simulationen sind essenziell für die Durchführung einer Gefahrenbeurteilung“, wird Luuk Dorren, Professor für Naturgefahren und Risikomanagement an der BFH-HAFL, in der Mitteilung zitiert. „Die Modelle erlauben es, Gefahrenzonen abzugrenzen und Schutzmassnahmen zu definieren, beispielsweise den Bau von Steinschlagnetzen oder Dämmen. Auch die Evakuierung aus gefährdeten Gebieten kann auf dieser Basis geplant werden, ebenfalls Anpassungen in der Bau- und Nutzungsplanung.“
Um ein erfolgreiches Simulationsmodell erstellen zu können, verarbeiten die Forschenden eine Vielzahl physikalischer Daten, ein fast hundertjähriges Schweizer Energiemodell sowie die umfassende Datenbasis weltweit aufgezeichneter Steinschlagereignisse. Die Gesamtheit dieser Daten wird mit maschinellem Lernen und Künstlicher Intelligenz (KI) ausgewertet. Dabei werden topografische Merkmale, Sturzvolumen und andere relevante Faktoren kombiniert.
An dem unter Führung der BFH-HAFL durchgeführten Projekt Rockaval sind Forschende der INRAE Grenoble und der Universität Lausanne (UNIL) beteiligt. Das Projekt wird vom Schweizerischen Nationalfonds (SNF) und der französischen Agence Nationale de Recherche (ANR) unterstützt. Das Gesamtbudget beträgt 500‘000 Franken. ce/ww