Was den Hang zum Abrutsch bringt

Der Mensch muss lernen, Siedlungen so anzulegen, dass sie von Naturkatastrophen weitestgehend verschont bleiben. Im Bergland bedeutet das, Bedrohungen durch Lawinen, Überflutung der Täler oder Hangrutsch realistisch einzuschätzen. Um derartige Risiken kalkulierbar zu machen, arbeiten Geologen und Informatiker der Universität Erlangen-Nürnberg an Verfahren, die für einzelne Hangabschnitte die Abrutschgefahr ermitteln. Daten werden in einer stark gefährdeten Schweizer Gebirgsregion gesammelt; bei der Beurteilung helfen künstliche neuronale Netze.

Am 15. August 1997 wurden Berghänge in der Schweiz durch extreme Niederschläge in Bewegung gesetzt. Erd- und Gesteinsmassen ergossen sich über die Ortschaften Sachseln und Melchtal und richteten an Gütern und Kulturlandschaften Schäden an, die sich auf mehr als 100 Millionen Schweizer Franken summierten.

Im Raum Sachseln fielen in zwei Stunden pro Quadratmeter bis zu 150 Liter Regen. Die Wassermengen rissen Erdreich und lockeres Geröll aus den Hangoberflächen. 700 solcher Anbruchstellen entstanden innerhalb kürzester Zeit. Aus dem Abrutschen wurde schnelles Fließen, so genannte Hangmuren: das losgelöste Material bewegte sich wie in gewaltigen Sturzbächen. Insgesamt 60.000 m³ Geschiebe und 5.000 m³ Schwemmholz erodierten die Wasserläufe, überhäuften die Täler mit Schlamm und Schutt und ließen die Hänge voll Narben zurück.

Nach der Katastrophe setzten umfangreiche Untersuchungen ein. Die Eidgenössische Forschungsanstalt startete ein groß angelegtes, multidisziplinäres Projekt zum Einfluss der Vegetation auf oberflächennahe Rutschungen. Zu den wichtigsten Partnern zählten das schweizerische Bundesamt für Umwelt, Wald und Landschaft und das Oberforstamt des Kantons Obwalden. Forschungen am Erlanger Lehrstuhl für Angewandte Geologie waren darauf konzentriert, im betroffenen Gebiet geologische Daten zu erheben.

Zwei Diplomanden des Lehrstuhls nahmen unter der Leitung von Prof. Dr. Michael Moser alle Rutschungen im Melchtal anhand von dafür konzipierten Erhebungsbögen auf und fertigten Geländeaufnahmen an. Außer geometrischen Daten wurden mittelbare Faktoren erfasst, die das Anbruchsumfeld charakterisieren. Dazu zählen Neigung, Form und Vegetation eines Hangs, dessen Höhenlage und Ausrichtung, die Mächtigkeit und Art der Lockergesteinsschicht sowie Faktoren, welche die Aufnahmefähigkeit für Wasser bestimmen.

Die äußerst komplexen Zusammenhänge, die dem Abgleiten von Hangpartien zugrundeliegen, sind nach der Auswertung der von allen Beteiligten erhobenen Daten etwas besser zu durchschauen. Damit Hangmuren entstehen, brauchen keine allzu großen Flächen ins Rutschen zu geraten. In über 80% der Fälle betrugen die Anbruchsvolumina weniger als 200 m³. Hänge mit Neigungen zwischen 30° und 40° waren am stärksten betroffen.

Soweit bewaldete Flächen abrutschten, lagen sie vergleichsweise an steileren Böschungen. Die Wurzeln stabilisierten den Boden an flacheren Hängen. Hatten Windwurf oder Borkenkäfer den Wald geschädigt, konnte er diese Schutzfunktion jedoch sehr viel schlechter erfüllen. Wenn es in Waldarealen zu Anbrüchen kam, waren sie generell größer als auf Flächen ohne Baumbestand. Dass Abfolge und Lage der Gesteinsschichten die Anfälligkeit für Rutschungen erhöhten, war nur dann festzustellen, wenn die Grenze zwischen Locker- und Festgestein die Gleitfläche der Hangbewegung darstellte. Wenn der feste Fels nicht zum Vorschein kam, wirkte sich die geotechnische Ausbildung der Lockergesteine auf deren Aktivität aus.

Künstliche Neuronale Netze als Frühwarnsysteme
Wie diese Fakten und weitere Erkenntnisse zeigen, wird Hangrutsch durch ein Zusammenspiel vieler Parameter verursacht. Um den verschiedenen Faktoren ihr Gewicht zuzumessen und die Gefahr für jeden Hangabschnitt beurteilen zu können, arbeiten die Erlanger Geologen mit dem Institut für Informatik der Universität Erlangen-Nürnberg zusammen. Unter Leitung von Dr. Elmar Nöth wird am Lehrstuhl für Mustererkennung ein Künstliches Neuronales Netz (KNN) erzeugt, das flachgründige Hangbewegungen erkennt. Es basiert auf den bisher erhobenen Daten und gibt die Ergebnisse zur Darstellung an ein geographisches Informationssystem weiter. Die DFG fördert dieses Projekt im Rahmen des interdisziplinären Programms „Hangbewegungsanalyse“ seit Mai 2002.

Neuronale Netze sind lernfähig. Mit den Parameterkonstellationen aus dokumentierten Fällen lernen sie, auf ähnliche Sachlagen zu schließen. Dieses KNN wird mit Daten aus einem Teil des Arbeitsgebietes trainiert und mit Daten aus einem anderen getestet. Spezielle Lernalgorithmen steuern das Training, wobei es mehrere Lernparameter gibt, die empirisch optimiert werden müssen. So soll ein Frühwarnsystem entstehen, das von Hangrutsch bedrohte Flächen ausmacht und ihre Gefährdung einstuft.

Zum Vergleich sollen andere Klassifikationsverfahren wie Klassifikationsbäume und Lineare Diskriminanzanalyse angewendet werden. Später soll das erzeugte Neuronale Netz auch in anderen Gebieten mit ähnlichen Ausgangssituationen getestet werden.

Weitere Informationen

Prof. Dr. Michael Moser
Dipl.-Geol. Maik Hamberger
Lehrstuhl für Angewandte Geologie
Tel.: 09131/85-29241
mhamberg@geol.uni-erlangen.de

Dr.-Ing. Elmar Nöth
Lehrstuhl für Mustererkennung
Tel.: 09131/85-27888
noeth@informatik.uni-erlangen.de