Ruimtelijk-temporele beoordeling van meervoudige risico's met grafgebaseerde analyse voor casestudies in India

Waarom kettingreacties bij rampen ertoe doen

Berggemeenschappen wereldwijd worden geconfronteerd met een nieuw type gevaar: niet slechts afzonderlijke rampen, maar ketens van gebeurtenissen waarbij de ene bedreiging de volgende ontketent. Dit artikel bespreekt twee dodelijke gebeurtenissen in India — een gletsjermeeruitbarsting in de Himalaya en een enorme aardverschuiving in de West-Ghats — en geeft stap voor stap weer hoe ze zich ontwik­kel­den. Met ideeën uit de netwerkwetenschap brengen de onderzoekers in kaart hoe hevige neerslag, instabiele hellingen, dammen, rivieren en dorpen met elkaar verbonden zijn, en hoe inzicht in die verbanden kan leiden tot betere vroegtijdige waarschuwingen en slimmer evacuatiebeleid.

Twee bergtragedies, één groter verhaal

De studie concentreert zich op Noord-Sikkim in de oostelijke Himalaya en het district Wayanad in de zuidelijke West-Ghats, twee zeer verschillende landschappen die desalniettemin vergelijkbare kettingreactierampen doormaakten. In oktober 2023 barstte een gletsjermeer hoog boven Noord-Sikkim plotseling en stuurde een stortvloed van water en puin naar beneden door de vallei, waarbij een groot waterkrachtwerk werd beschadigd. In juli 2024 stortten, na weken van zware moessonregens, hellingen in Wayanad in, wat aardverschuivingen, puinstromen en plotselinge overstromingen veroorzaakte die huizen verwoestten en honderden mensen het leven kostten. Door deze gevallen te vergelijken willen de auteurs begrijpen niet alleen waar gevaren optreden, maar hoe ze ruimtelijk en temporeel op elkaar inwerken.

Hoe het weer het landschap voorbereidt op falen

Beide rampen begonnen lang vóór de uiteindelijke dramatische momenten die het nieuws haalden. In Sikkim had jarenlange gletsjerafsmelting een hooggelegen meer vergroot, waardoor het risico toenam dat zijn natuurlijke dam van ijs en puin zou falen. In Wayanad weekten weken van intense moessonregen de bodem door en verzwakten steile hellingen. Het team onderzocht neerslagreeksen met behulp van bekende “drempels” die de hoeveelheid en duur van regen koppelen aan de waarschijnlijkheid van aardverschuivingen of overstromingen. Ze vonden dat in beide regio’s deze drempels niet alleen werden overschreden — ze werden ver overschreden, wat bevestigt dat het milieu al lang vóór de hoofdgebeurtenissen in een sterk instabiele toestand verkeerde.

Van eerste trigger tot cascaderende gevolgen

Wat deze instabiele condities in volwaardige rampen veranderde, was een reeks snelle triggers. In Sikkim destabiliseerden korte, intense regenbuien in combinatie met een aardbeving in buurland Nepal ijs boven het meer. Een ijs- en puinlawine sloeg in het water, overspoelde de moraïne en scheurde deze open. De resulterende gletsjermeer-uitbarsting raasde de vallei uit, beschadigde wegen, bruggen en de grote Teesta III-dam voordat hij stroomafwaarts doorging en dagenlang nieuwe aardverschuivingen veroorzaakte. In Wayanad veroorzaakten extreme regenval meerdere hellingsfalen in kleine bovenstroomse bekken. Die aardverschuivingen blokkeerden stroompjes, vormden tijdelijke dammen en braken vervolgens uiteen, waarbij ze herhaaldelijk puinrijke overstromingen in nauwe kanalen stuurden en zo in enkele vierkante kilometers een geconcentreerde verwoestingszone uitsneden.

Rampen zien als netwerken, niet als geïsoleerde gebeurtenissen

Om deze complexe ketens te doorgronden, grepen de onderzoekers naar de grafentheorie — dezelfde wiskundige gereedschapskist die wordt gebruikt om sociale netwerken of het internet te bestuderen. Ze behandelden elk type gevaar (zoals hevige regen, aardverschuivingen, overstromingen of damfalen) als een “knooppunt” en elke mogelijke koppeling daartussen als een “verbinding”. Aan de hand van veldonderzoeken, satellietbeelden, neerslag- en riviergegevens, overheidsrapporten en interviews met bewoners en functionarissen bouwden ze gewogen netwerken die weerspiegelen hoe vaak het ene gevaar tot het andere leidt en hoe sterk die koppelingen zijn. Vervolgens gebruikten ze netwerkmaatregelen — zoals het aantal verbindingen dat een gevaar heeft, hoe vaak het op belangrijke paden ligt en hoe ver zijn invloed zich kan uitstrekken — om een risico­score voor elk klein subbekken te berekenen.

Hotspots vinden en de keten doorbreken

Het netwerkperspectief toonde aan dat in Wayanad een paar hoog verbonden gevaren — met name aardverschuivingen en overstromingen — het risico domineren, en dat de verwoesting sterk geconcentreerd is in dichtbevolkte bovenstroomse gebieden. In Sikkim is de keten langer en gevarieerder: aardbevingen, aardverschuivingen, gletsjermeerfalen en daminstorting spelen allemaal belangrijke rollen, waarbij stroomafwaartse bekken rond het waterkrachtwerk naar voren komen als kritische “versterker”-zones. Door het gevarennetwerk te combineren met informatie over mensen, gebouwen, bruggen en dammen kon het team subbekken pinpointen waar cascaderende falen het meest waarschijnlijk zijn en testen wat er zou gebeuren als bepaalde schakels in de keten verzwakt of verwijderd werden. Hun resultaten suggereren dat realtime monitoring van neerslag, gletsjermeren en daminstromen, samen met protocollen die expliciet rond gevarensequenties zijn opgebouwd, hulpdiensten kan helpen gefaseerde waarschuwingen van bovenstrooms naar benedenstrooms uit te geven en evacuaties te plannen voordat de keten van gebeurtenissen uit de hand loopt.

Wat dit betekent voor mensen die in risicovolle bergen wonen

Voor niet-specialisten is de kernboodschap dat rampen in bergachtige gebieden zelden als afzonderlijke, geïsoleerde incidenten plaatsvinden. Ze lijken eerder op een rij vallende dominostenen: extreem weer zet één element om, dat vervolgens het volgende omver duwt, en zo verder. Deze studie toont aan dat door die dominostenen van tevoren in kaart te brengen — met een mix van wetenschappelijke data en lokale kennis — autoriteiten de gevaarlijkste schakels kunnen identificeren en vroeger kunnen handelen, of dat nu door betere monitoring is, het versterken van kwetsbare dammen en bruggen, of het oefenen van evacuatieplannen die het waarschijnlijke pad van een cascaderende gebeurtenis volgen. In een opwarmend klimaat waarin intense neerslag en gletsjerafsmelting vaker voorkomen, kan dergelijk netwerkdenken het verschil maken tussen een net gemiste ramp en een grote tragedie.

Bronvermelding: Ekkirala, H.C., Ramesh, M.V. Spatiotemporal assessment of multi hazard risk using graph based analysis for case studies in India. Sci Rep 16, 5837 (2026). https://doi.org/10.1038/s41598-026-35925-4

Trefwoorden: aardverschuivingen, gletsjermeer-uitbarstingen, berggevaren, vroegwaarschuwingssystemen, rampennetwerken