土地滑坡阈值确定的降雨特征优化

科学分野:

• 地球科学
• 水文学
• 自然灾害

背景:

• 滑坡预测通常使用降雨阈值，但这些阈值对事件定义敏感。
• 最小事件间时间（MIT）和触发事件（TE）的定义对阈值精度有显著影响。

研究 の 目的:

• 为数据有限、高风险地区的数据驱动降雨阈值开发新框架。
• 使用贝叶斯推理（BI）和非线性最小二乘法（NLS）评估MIT和触发事件（TE）定义对降雨阈值估计的影响。

主な方法:

• 采用贝叶斯推理（BI）和非线性最小二乘法（NLS）技术。
• 使用2005-2023年的15分钟降雨数据和南威尔士的滑坡记录，分析了降雨-历时和强度-历时空间。
• 评估了最小事件间时间（MIT）和触发事件（TE）定义的各种变化。

主要な成果:

• 与非线性最小二乘法（NLS）得出的阈值相比，贝叶斯推理（BI）得出的阈值更稳定。
• NLS方法通常会产生不切实际的、接近平坦的阈值，尤其是在强度-历时空间中。
• BI和NLS都显示出在48小时的最小事件间时间（MIT）下具有最佳性能，这突显了前期降雨的作用。

結論:

• 稳健的贝叶斯方法可以通过下调全球阈值来改进数据稀缺地区的滑坡预测。
• 仔细的事件划分实践对于提高滑坡预测模型的准确性至关重要。
• 本研究为建立可靠的、数据驱动的滑坡早期预警系统降雨阈值提供了一个框架。