Building physically based models for assessing rainfall-induced shallow landslide hazard at catchment scale: case study of the Sorrento Peninsula (Italy)
Notice bibliographique
Résumé
The assessment of rainfall-induced shallow landslide hazards at the catchment scale poses a significant challenge. Traditional empirical approaches for landslide hazard assessment often assume that conditions having caused failure in the past will not change in the future. This assumption may not hold in a climate change scenario. Physically based models (PBMs) therefore represent the natural approach to include changing climate effects. PBMs would in principle require the combination of a three-dimensional (3-D) mechanical and water-flow model. However, a full 3-D finite element model at the catchment scale, with relatively small elements required to capture the pore-water pressure gradients, would have a significant computational cost. For this reason, simplifications to the mechanical (i.e., infinite slope) and water-flow models (i.e., one-dimensional or hybrid 3-D) are introduced, often based on a priori assumptions and not corroborated by experimental evidence. The paper presents a methodology to build a PBM in a bottom-up fashion based on geological surveys and geotechnical investigation. The PBM is initially set as simple as possible and then moved to a higher level of complexity if the model is not capable of simulating past landslide events. The approach is presented for the case study of Sorrento Peninsula and two main landslide events recorded during the winter of 1996–1997.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».