Eine systematische Bewertung des regionalen Erdrutschrisikos bei Taifunregen: Fallstudie Taishun, Zhejiang, China im September 2016

Warum Berghänge bei schweren Stürmen versagen

Wenn ein starker Taifun an Land trifft, denken die meisten Menschen zuerst an Wind und Überflutungen. In steilen, regenreichen Regionen entwickelt sich jedoch eine andere Gefahr nahezu unbemerkt: ganze Hänge können plötzlich nachgeben. Diese Studie untersucht ein solches Ereignis im Kreis Taishun, Provinz Zhejiang, wo der Taifun Meranti im September 2016 Tausende von Erdrutschen auslöste. Anhand von Satellitenbildern, Niederschlagsaufzeichnungen und fortgeschrittenen Computermodellen zeigen die Forschenden, wie intensiver Regen, zerklüftetes Gelände und lokale Geografie zusammenwirken und stabile, bewachsene Hänge in schnell fließende Erdbewegungen verwandeln.

Wo der Boden nachgab

Das Team konzentrierte sich auf ein gebirgiges Gebiet im Südosten Chinas, das häufig im Pfad von Taifunen liegt. Mithilfe hochauflösender Satellitenaufnahmen vor und nach Meranti sowie Felduntersuchungen kartierten sie 4.102 Erdrutsche in einem Gebiet von etwa 3.400 Quadratkilometern. Die meisten Rutsche waren relativ klein, zusammen bedeckten sie jedoch mehr als sechs Quadratkilometer. Die Erdrutsche traten gehäuft in einem Band von Nordwest nach Südost durch die zentralen Berge auf, was mit dem Schwerpunkt der stärksten Niederschläge übereinstimmte. Viele Hänge zeigten lange, schmale Narben mit freier Erde und zerstörter Vegetation — ein typisches Muster für regengetriebene Hangversagen in dieser Region.

Regen, Hügel, Flüsse und Wälder als Zusammenspiel

Um zu verstehen, warum einige Hänge versagten, während benachbarte stehen blieben, untersuchten die Wissenschaftler neun Schlüsselfaktoren: Meereshöhe, Hangneigung, Hangrichtung, Gesteinstyp, Vegetation, Landnutzung, Oberflächenfeuchte, Abstand zu Flüssen und die während des Sturms gefallene Gesamtniederschlagsmenge. Sie fanden heraus, dass Erdrutsche am häufigsten in mittleren Lagen (etwa 400–800 Meter) an relativ steilen Hängen (25–40 Grad) auftraten. Südf- und südostexponierte Hänge, die direkt dem Monsunregen ausgesetzt sind, versagten häufiger. Weiche, stark verwitterte Gesteinsschichten, insbesondere kreidezeitliche Sandsteine und Tonschichten, bildeten schwache Grundlagen. Mittlere Vegetationsbedeckung und bewaldete Flächen, häufig auf steileren, tiefgründigeren Böden vorhanden, standen ebenfalls mit einer höheren Erdrutschhäufigkeit in Verbindung – nicht weil Bäume Versagen verursachen, sondern weil diese Umgebungen mehr Wasser speichern und auf fragileren Hängen liegen. Die Nähe zu Flüssen erhöhte das Risiko, da fließendes Wasser die Hangbasis erodieren und während Stürmen ein leichteres Unterspülen ermöglichen kann.

Wie intelligente Modelle verborgene Muster enthüllen

Die Forschenden wandten sich anschließend automatisiertem maschinellen Lernen zu, um diese Einflussfaktoren in eine praktische Gefahrenkarte zu überführen. Sie fütterten alle kartierten Erdrutsche sowie eine gleich große Anzahl stabiler Standorte in ein „Ensemble“ unterschiedlicher Computermodelle, die aus Beispielen lernen. Dieses System, genannt AutoGluon, testet und kombiniert viele Modelle, um die verlässlichste Mischung zu finden. Das beste kombinierte Modell konnte instabile von stabilen Hängen mit sehr hoher Genauigkeit unterscheiden. Als seine Vorhersagen auf einer Karte dargestellt wurden, stimmten Gebiete mit hoher bis sehr hoher Gefährdung eng mit den tatsächlichen Erdrutschflächen während Taifun Meranti überein, besonders im zentralen Berggürtel. Das Team nutzte außerdem eine Methode namens SHAP, um die „Black Box“ des Modells zu öffnen und zu messen, wie stark jeder Faktor Hänge in Richtung Versagen oder Stabilität beeinflusst.

Die Kipppunkte für Katastrophen finden

Die interpretierenden Werkzeuge zeigten, dass drei Faktoren am wichtigsten sind: wie viel Regen fiel, wie hoch der Hang liegt und wie steil er ist. Die internen Modellwerte stiegen sprunghaft an, sobald die Gesamtniederschlagsmenge während des zentralen vier Tage andauernden Zeitraum des Sturms etwa 160–180 Millimeter erreichte — ein Kipppunkt, jenseits dessen Hänge schnell instabil wurden. Höhe und Hangneigung zeigten ähnliches Schwellenverhalten: Mittelgebirgslagen mit mäßig bis sehr steilen Hängen waren deutlich anfälliger für Versagen als niedrige, flache Hügel oder sehr hohe, felsige Gipfel. Andere Faktoren — wie Gesteinstyp, Feuchteansammlungen in Tälern und Vegetation — passten das Risiko moderat nach oben oder unten an, oft in nichtlinearen Wegen. Zusammen erklären diese Muster, warum Erdrutsche in dichten Clustern auftraten, statt gleichmäßig über die Landschaft verteilt zu sein.

Aus Erkenntnissen Frühwarnungen machen

Durch die Verbindung detaillierter Kartierung, satellitengestützter Niederschlagsdaten und transparenter maschineller Lernverfahren liefert diese Studie ein klareres Bild davon, wie Taifunregen in Erdrutschgefahr vor Ort übersetzt wird. Für Nichtfachleute und lokale Behörden ist die Kernbotschaft einfach: Wenn sehr starker Regen auf Hanglagen mittlerer Höhe, mit relativ steilen, flussdurchtrennten und bewaldeten Hängen fällt, steigt das Risiko plötzlicher Hangversagen stark an. Das hier entwickelte Rahmenwerk lässt sich an andere sturmgefährdete Bergregionen anpassen und hilft Behörden, Überwachung, Frühwarnungen und Schutzmaßnahmen auf die Orte zu konzentrieren, die beim nächsten großen Taifun am ehesten abrutschen werden.

Zitation: Xie, C., Xu, C., Xu, X. et al. A systematic assessment of regional landslide risk under typhoon rainfall: a case study of Taishun, Zhejiang, China in September 2016. Sci Rep 16, 10857 (2026). https://doi.org/10.1038/s41598-026-46166-w

Schlüsselwörter: Erdrutsche, Taifunregen, Berggefahren, Maschinelles Lernen, Frühwarnung