Assessing landslide susceptibility and changes in human exposure in the Lisbon Region (Portugal)

Le frane rappresentano uno dei rischi geomorfologici più significativi a livello globale, generando consistenti perdite economiche e impatti sociali, in particolare nelle regioni in rapida urbanizzazione. In Portogallo, la regione di Lisbona ha sperimentato una continua espansione urbana negli ultimi decenni, portando a una crescente concentrazione di edifici, infrastrutture e popolazione su pendii potenzialmente instabili. In questo contesto, comprendere la suscettibilità alle frane e come l’esposizione si sia evoluta in questa regione è essenziale per supportare la pianificazione territoriale e le strategie di mitigazione del rischio. Questo studio valuta la suscettibilità alle frane e quantifica l’esposizione della popolazione alla scala comunale nella regione di Lisbona, considerando un’area di studio di circa 3.006 km². La modellazione della suscettibilità alle frane è stata eseguita utilizzando il metodo dell’Information Value (IV), un approccio statistico bivariato che quantifica la relazione tra l’occorrenza di frane e i fattori predisponenti. Come variabile dipendente è stato utilizzato un inventario delle frane aggiornato al 2021, comprendente 4.018 poligoni di frana. L’inventario è stato suddiviso casualmente in tre sottoinsiemi per una validazione incrociata a tre “fold”. Sono state considerate otto variabili indipendenti, i cui valori sono stati raggruppati in classi: pendenza, quota, esposizione, curvatura planimetrica, Topographic Wetness Index (TWI), Topographic Position Index (TPI), geologia e tipo di suolo. I parametri topografici sono stati derivati da un Modello Digitale di Elevazione (DEM) con risoluzione di 10 m, mentre i dati litologici e pedologici sono stati ottenuti da carte tematiche ufficiali. Le prestazioni predittive del modello sono state valutate tramite curve di prediction-rate e Area Under the Curve (AUC) sui sottoinsiemi di validazione, mostrando un valore di circa 0,90, indicando che il 90% dell’area totale coperta da frane è concentrato solo nel 16,75% dell’area di studio, fornendo una valutazione indipendente della robustezza e del potenziale “overfitting”. La mappa finale di suscettibilità alle frane è stata prodotta mediando i punteggi di suscettibilità basati sull’IV ottenuti nei tre “fold” di validazione incrociata e definendo le soglie di suscettibilità sulla base della distribuzione cumulativa dell’area interessata da frane. Per quantificare l’esposizione, la mappa di suscettibilità è stata intersecata con dataset basati su censimento relativi agli edifici e alla popolazione residente, nonché con i dati della rete stradale, per il 2021, e confrontata con dataset equivalenti del 2011. Questo approccio multitemporale consente di quantificare i cambiamenti nell’esposizione tra il 2011 e il 2021, un decennio caratterizzato da una continua crescita urbana in diversi comuni. I risultati evidenziano una significativa eterogeneità spaziale nei pattern di esposizione, con comuni densamente urbanizzati come Lisbona, Sintra, Cascais e Loures che concentrano una quota sostanziale di edifici e popolazione residente all’interno delle classi di suscettibilità alta e molto alta. Tra il 2011 e il 2021, l’espansione delle aree urbanizzate in alcuni comuni suggerisce un progressivo aumento dell’esposizione laddove lo sviluppo urbano si sovrappone a queste classi di suscettibilità, con un potenziale incremento del rischio da frana. Sebbene la suscettibilità non quantifichi direttamente la probabilità temporale né la vulnerabilità fisica, l’integrazione di modelli di suscettibilità statisticamente validati con dati dettagliati di esposizione fornisce un quadro coerente e riproducibile per una pianificazione territoriale informata dal rischio alla scala comunale.

Landslides represent one of the most significant geomorphological hazards worldwide, generating substantial economic losses and social impacts, particularly in rapidly urbanising regions. In Portugal, the Lisbon region has experienced continuous urban expansion over recent decades, leading to an increasing concentration of buildings, infrastructure and population in potentially unstable slopes. In this context, understanding landslide susceptibility and how exposure has evolved in this region is essential for supporting land-use planning and risk mitigation strategies. This study assesses landslide susceptibility and quantifies population exposure at the municipal scale in the Lisbon region, considering a study area of about 3,006 km2. The landslide susceptibility modelling was performed using the Information Value (IV) method, a bivariate statistical approach that quantifies the relationship between landslide occurrence and landslide predisposing factors. A landslide inventory updated up to 2021, comprising 4,018 landslide polygons, was used as the dependent variable. The inventory was randomly divided into three subsets for three-fold cross-validation. Eight independent variables were considered, and their values were grouped into classes: slope angle, elevation, aspect, plan curvature, Topographic Wetness Index (TWI), Topographic Position Index (TPI), geology and soil type. The topographic parameters were derived from a 10 m resolution Digital Elevation Model (DEM), while lithological and soil data were obtained from official thematic maps. Model predictive performance was evaluated through prediction-rate curves and the Area Under the Curve (AUC) on the validation subsets, showing a value of about 0.90, signifying that 90% of the total landslide covered area is concentrated only in 16.75% of the study area, providing an independent assessment of robustness and potential overfitting. The final landslide susceptibility map was produced by averaging the IV-based susceptibility scores obtained across the three cross-validation folds and defining susceptibility thresholds based on the cumulative distribution of landslide area. To quantify exposure, the susceptibility map was intersected with census-based buildings and resident population datasets, as well as road network data, for 2021, and compared with equivalent 2011 datasets. This multitemporal approach enables the quantification of changes in exposure between 2011 and 2021, a decade marked by continued urban growth in several municipalities. Results highlight significant spatial heterogeneity in exposure patterns, with densely urbanised municipalities such as Lisboa, Sintra, Cascais and Loures concentrating a substantial proportion of buildings and resident population within high and very high landslide susceptibility classes. Between 2011 and 2021, the expansion of built-up areas in selected municipalities suggests a progressive increase in exposure where urban development overlaps these susceptibility classes, potentially increasing landslide risk. Although susceptibility does not directly quantify temporal probability or physical vulnerability, the integration of statistically validated susceptibility models with detailed exposure data provides a consistent and reproducible framework for municipal-scale risk-informed planning. The results provide a scientific basis for territorial planning, infrastructure management and civil protection strategies aimed at reducing future socio-economic losses associated with slope instability.