引入强降雨和融雪变量，实现与过程相关的非平稳浅层滑坡敏感性分析( Introducing intense rainfall and snowmelt variables to implement a process-related non-stationary shallow landslide susceptibility analysis )

CAS Camera G Bajni I Corno M Raffa S Stevenazzi T Apuani

研究的目的是建立一个可包含过程相关非平稳变量的浅层滑坡易感性模型，以适应气候变化。我们选择Mont-Emilius和Mont-Cervin山地社区（意大利北部）作为研究区。为了确定与滑坡诱发和触发过程相关的总结变量，我们研究了滑坡发生与强降雨和融雪事件（1991-2020年）之间的关系。对于滑坡易感性映射，我们建立了一个广义的加性模型。我们通过变量惩罚定义了一个参考模型（地形、NDVI、土地覆盖和地质预测因子）。同样，我们优化了一个包括气候变量的模型，检查它们的平滑函数以确保物理上的合理性。最后，我们通过K倍交叉验证对优化模型进行验证，并根据列联表、接收机工作特性曲线下的面积(AUROC)和变量重要性（解释方差的减少）进行评估。在统计上和物理上具有重要意义的气候变量是强度-持续时间特征超过规定阈值的降雨事件的有效年次数（EATean）和一个水文年中发生的融化事件的平均数（MEn）。在优化模型中，饮食和男性占解释偏差的5%。与参考模型相比，它们的引入导致真阳性率和AUROC分别提高2.4%和0.8%。此外，它们的加入导致了11.0%的研究区脆弱性类别的转变。在74%（EATean）和93%（MEn）的拟合模型中，k-fold检验证实了气象变量的统计意义和物理合理性。我们的结果证明了所提出的方法在浅层滑坡敏感性分析中引入过程相关的、非平稳的、物理上可信的气候变量的有效性。这些变量不仅提高了模型的性能，而且使其能够适应包括气候变化在内的滑坡易感性的未来演变。

SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate