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易感性分析( Introducing intense rainfall and snowmelt variables to implement a process-related non-stationary shallow landslide susceptibility analysis )

Corrado A.S. Camera Greta Bajni Irene Corno Mattia Raffa Tiziana Apuani

本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。我们选择了蒙特-埃米利乌斯和蒙特-塞文山社区（意大利北部）的领土作为研究区域。为了确定与滑坡诱发和触发过程有关的综合变量，我们研究了滑坡发生与强降雨和融雪事件之间的关系（1991-2020年）。对于滑坡易感性制图，我们建立了一个广义加性模型。我们通过变量惩罚（地形、植被指数、土地覆盖和地质预报）定义了一个参考模型。同样，我们优化了一个包含气候变量的模型，检查它们的平滑函数以确保物理上的可信度。最后，我们通过K-折叠交叉验证对优化模型进行了验证，并基于列联表、受试者操作特性曲线下面积(AUROC)和变量重要性（解释方差的减小）进行了评估。结果在统计和物理上具有显著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数（EATean）和水文年发生的融化事件的平均数（MEn）。在优化的模型中，EATean和MEn占解释偏差的5%。与参考模型相比，它们的引入使真阳性率和AUROC分别提高了2.4%和0.8%。此外，它们的加入使11.0%的研究区域的脆弱性等级发生了变化。K倍验证证实了74%（EATean）和93%（MEn）的拟合模型中气象变量的统计显著性和物理可信度。我们的结果证明了在浅层滑坡易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方法的有效性。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未来演变的地图绘制。

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