Det går hundrevis av skred i Norge hvert år, ofte som følge av ekstremvær. Mange av dem går langt fra veier og bebyggelse, og blir ikke registrert fra bakken.
For å styrke nasjonal beredskap og bærekraftig arealbruk trenger vi derfor mer komplette og effektive metoder for å kartlegge skred.
I dette prosjektet utvikler vi en modell for automatisk skreddeteksjon ved hjelp av satellittbilder. Modellen bruker flere satellittbilder tatt over tid fra Sentinel-2-satellittene for å analysere endringer i landskapet. Områder med vegetasjonstap og bar jord kan knyttes til nylige skred.
Modellen gir mer komplette skredoversikter til aktører som NVE, og bidrar dermed til raskere krisehåndtering og bedre langsiktig risikostyring.
SINTEF bidrar med ekspertise innen ingeniørgeologi og kybernetikk, og utvikler og tester modellen for dyp læring. Vi implementerer også databehandlingsrutiner som kan kjøres automatisk etter ekstremvær.
Prosjektet har omfattet modellutvikling, behandling av satellittdata og validering mot godt dokumenterte datasett fra Jølster-skredet (2019) og ekstremværet Hans (2023).
Foto: Erin Lindsay