Bewertung des Rutschungsrisikos unter spezifischen Niederschlagsszenarien basierend auf einem hybriden CNN-TRIGRS- und Matrixansatz: eine Fallstudie der Stadt Meishan, Provinz Zhejiang, China

Warum abrutschende Hänge den Alltag betreffen

Erdrutsche klingen wie seltene Bergkatastrophen, bedrohen in vielen hügeligen Gemeinden jedoch jedes Regenjahr Häuser, Straßen und Stromleitungen. In Meishan Town im Osten Chinas durchtränken häufige Taifune und lang anhaltende Regenperioden regelmäßig die Hänge über den Siedlungen. Diese Studie untersucht einen neuen Ansatz, um genau zu bestimmen, welche Landschaftsteile unter verschiedenen Niederschlagsarten am ehesten nachgeben — und bietet damit Planern und Bewohnern vor Ort klare Hinweise darauf, wo die Gefahr am größten ist und wann sie am wahrscheinlichsten eintritt.

Eine Stadt zwischen steilen Hängen und starkem Regen

Meishan Town liegt in einem Niedergebirgsgebiet mit Höhen zwischen etwa 160 und 250 Metern. Schichten aus brüchigem Gestein wie Schiefer verwittern zu lockerem Boden, der auf härterem, weniger durchlässigem Grundgestein aufliegt. Wenn Regenwasser in diesen Boden eindringt, kann sich entlang der Kontaktfläche zum Fels Wasserdruck aufbauen und die Grenze rutschiger machen. In Kombination mit steilen Hängen und Rinnen, die den Oberflächenabfluss konzentrieren, begünstigt dieses geologische Umfeld flache Rutsche, die die obere Bodenschicht abtragen — ein Muster, das durch 45 registrierte Rutschungen in den umliegenden Hügeln bestätigt wird.

Verknüpfung von maschinellem Lernen und Hangphysik

Um zu ermitteln, wo Erdrutsche am wahrscheinlichsten beginnen, kombinierten die Forscher zwei Werkzeugarten. Zuerst setzten sie eine Form künstlicher Intelligenz ein, ein Convolutional Neural Network, das Muster direkt aus Daten lernt statt anhand von manuell festgelegten Regeln. Es analysierte zehn Merkmale, die Hangversagen beeinflussen können — darunter Höhe, Hangneigung, Gesteinsart, Abstand zu Flüssen und Straßen sowie Vegetationsbedeckung — und vergab für jede 30 x 30 Meter große Fläche einen Anfälligkeitswert. Zweitens nutzten sie ein physikbasiertes Hangmodell, das simuliert, wie Niederschlag in den Boden eindringt und die Sicherheitsmarge des Hangbodens verringert, ausgedrückt als Sicherheitsfaktor. Dieses Modell, bekannt als TRIGRS, verfolgt, wie sich während Stürmen verändernder Wasserdruck einen Hang von stabil zu instabil treiben kann.

Viele Sturfszenarien an denselben Hängen testen

Das Team konzentrierte sich auf vier realistische Niederschlagsszenarien, abgeleitet aus einem Jahrzehnt lokaler Wetterdaten. Diese reichten von mehreren Tagen gleichmäßigen, mäßigen Regens über starken und sintflutartigen Regen bis hin zu kurzen, aber intensiven Platzregen. Für jedes Szenario schätzte TRIGRS, wie viel Anteil jedes Hangs in verschiedene Stabilitätsklassen wechselte — von sehr stabil bis sehr instabil. Die Ergebnisse zeigten, dass das Gebiet bei trockenen Bedingungen größtenteils sicher ist, aber hochintensiver Regen, selbst über nur wenige Stunden, die am stärksten instabilen Zonen deutlich ausdehnt, besonders an steilen Hängen nahe Beckenrändern und in den zentralen Hügeln, wo sich in der Vergangenheit Rutschungen konzentriert haben. Auch die Dauer spielt eine Rolle, doch intensive Regenschauer erwiesen sich als besonders effektiv, die Hangfestigkeit schnell zu untergraben.

Eine klare Matrix, um Ort und Zeitpunkt zu verbinden

Um all diese Informationen in praktische Gefahrenkarten zu überführen, war ein Weg nötig, die langfristige Anfälligkeit jeder Gitterzelle mit ihrer kurzfristigen Stabilität unter spezifischem Regen zu verschmelzen. Die Forscher bauten eine einfache Entscheidungs-matrix, die fünf Anfälligkeitsstufen mit fünf Stabilitätsstufen kreuztabelliert. Jede Kombination wird einem Gefahrenlevel zugewiesen, ebenfalls in fünf Stufen von sehr niedrig bis sehr hoch. Zum Beispiel wird eine Zelle, die sowohl hoch anfällig ist als auch unter einem bestimmten Sturm instabil wird, als hoch oder sehr hoch gefährdet markiert, während eine Zelle mit niedriger Anfälligkeit und stabilem Verhalten niedrig bewertet bleibt. Diese regelbasierte Tabelle macht das kombinierte Ergebnis leicht interpretierbar: Jede Gefahrenkategorie reflektiert sowohl die Neigung des Bodens als auch seine Reaktion auf ein bestimmtes Niederschlagsmuster.

Was das für Menschen auf gefährdeten Hängen bedeutet

Beim Vergleich ihrer Gefahrenkarten mit bekannten Rutschungsstandorten lagen mehr als 90 Prozent vergangener Rutsche in den Zonen mit hoher und sehr hoher Gefahr, und nahezu keine ereignete sich in den sehr niedrigen Zonen. Diese starke Übereinstimmung legt nahe, dass der hybride Ansatz gefährliche Bereiche zuverlässig kennzeichnen kann, selbst dort, wo detaillierte Überwachungsnetze fehlen. Obwohl die Methode weiterhin auf gute Eingangsdaten angewiesen ist und nicht jedes kleine Geländemerkmal erfassen kann, bietet sie den Behörden vor Ort einen effizienten und transparenten Weg, Flächennutzung zu planen, Hanginspektionen zu priorisieren und Frühwarnungen an bestimmte Sturmtypen anzupassen — wodurch Gemeinden wie Meishan Town sicherer mit ihren umliegenden Hügeln leben können.

Zitation: Wang, Z., Wang, Z., Shi, F. et al. Assessment of landslide hazard under specific rainfall scenarios based on a hybrid CNN-TRIGRS and matrix approach: a case study of Meishan Town, Zhejiang Province, China. Sci Rep 16, 16200 (2026). https://doi.org/10.1038/s41598-026-46051-6

Schlüsselwörter: Rutschungsgefahr, Niederschlag, Hangstabilität, neuronale Netze, Gefahrenkartierung