Natural Hazards-随机力学模拟预测浅层滑坡

 

许多基于降雨量测量的预警系统已经被用于来预测降雨引起的浅层滑坡的发生。然而，由于与各种控制因素之间的相互作用有关的不确定性，它们在大面积上的使用带来了挑战。作者们提出了一种混合随机力学方法来量化水力力学因素对边坡稳定性的影响，并对其重要性进行排序。所提出的方法依赖于基于物理的滑坡触发模型和将选定的模型参数视为相关预测变量的随机方法。该方法的特点通过参考坎帕尼亚的数据来说明，坎帕尼亚是一个意大利地区，其特点是容易发生滑坡的火山沉积。通过蒙特卡洛模拟计算合成区域强度持续时间（ID）阈值。几个关键变量被视为任意变量，通过可用的测量来约束它们的统计特性。评估地形特征（如坡角）、物理和水文特性（如孔隙度、干容重γd和饱和导水系数Ks）以及暴雨前吸力的可变性，以检查其对ID阈值分散的作用。结果表明：（1）Ks对高强度风暴影响最大；（2） 在陡坡上，压头的变化大大缩短了滑坡触发的时间尺度，使系统严重依赖于初始条件；（3） 对于发生在长失效时间（缓坡和/或低强度风暴）的事件，演化应力水平（通过γd）的重要性最高。所提出的方法可以转换到其他区域，扩展到包括新的预测变量，并与其他水力-机械触发模型相结合。

 

 

 

 

 

通过将嵌入水力力学模型的物理概念与严格的随机数据处理相结合，对浅层滑坡引发的风险进行了基于物理但具有概率性的评估。所提出的方法以用户为中心：故障时间阈值明确包含了监测现场时随时可用的信息（降雨强度和坡度角），而已知的数量具有更高的不确定性，并涉及更复杂的数据收集设置（初始吸力条件；力学和水力学，材料参数）作为概率变量嵌入。

在使用可用数据对每个随机变量的概率密度函数进行建模后，如对Campanian土壤的情况所做的那样，将确定性和概率输入提供给模拟一维土柱中的水渗透直到失效的计算工具。每个倾角-强度对的模拟输出（失效时间的对数）被建模为正态分布的随机变量，平均值和标准偏差通过全局回归预测。

将log-tf的概率密度函数在降雨持续时间内进行积分，以计算在给定坡角和降雨强度下滑坡触发的实时概率。当将一个倾斜角度的概率阈值叠加到不同角度的单个阈值时，由于倾斜角度引起的故障时间变异性似乎与所有其他蒙特卡罗输入共同引入的变异性一样重要。这将激发滑坡数据库中边坡角度的系统报告，以便可以构建与边坡角度相关的经验阈值，并与现有的计算模拟进行比较，例如为本文开发的计算模拟。

该综合随机模型可用于实时监测不同斜坡景观上滑坡触发的前兆。对于更高的置信度，应通过为感兴趣区域上的随机变量构建更准确和/或分段的概率密度函数来减少概率可变性。实现了一种对每个蒙特卡罗变量对概率变异性的影响进行排序的算法，在每个α、I处对一组简化的归一化蒙特卡罗变量的log-tf进行回归，并根据相应回归系数的大小对变量进行排序。

该方法表明，土壤比干重、饱和导水率和初始吸力条件对概率变异性的影响最为显著。水力传导率与高强度和低坡角组合最为相关，其中边坡失稳发生在显著渗透后相对较晚；初始吸力在斜坡上具有更高的相对重要性，在较低的累积水流量下，斜坡的失效发生得更早，因此更依赖于初始条件；与孔隙率相关的干重对于低渗透和大破坏次数的事件是最重要的，因为通过土柱重量增加的应力大于由于吸力减少而导致的强度下降。这一想法可以帮助研究人员根据已知的感兴趣地点的典型降雨特征和坡度角分布。

本文中得出的关于平均对数tf的回归形式以及随机变量最重要的结论是经过机械调整的，这些结论来自于避免过度适应Campanian土壤案例研究的模型。未来的研究将涉及对该方法进行敏感性分析，将其应用于文献提供数据的其他感兴趣的地点。最重要的是，随着更复杂的影响模型和安全评估因素的出现，本文提出的方法可以进一步提高模拟数据代表真实世界滑坡触发现象的准确性。