Pre-collapse motion of the February 2021 Chamoli rock–ice avalanche, Indian Himalaya
Notice bibliographique
Résumé
Abstract. Landslides are a major geohazard that cause thousands of fatalities every year. Despite their importance, identifying unstable slopes and forecasting collapses remains a major challenge. In this study, we use the 7 February 2021 Chamoli rock–ice avalanche as a data-rich example to investigate the potential of remotely sensed datasets for the assessment of slope stability. We investigate imagery over the 3 decades preceding collapse and assess the precursory signs exhibited by this slope prior to the catastrophic collapse. We evaluate monthly slope motion from 2015 to 2021 through feature tracking of high-resolution optical satellite imagery. We then combine these data with a time series of pre- and post-event digital elevation models (DEMs), which we use to evaluate elevation change over the same area. Both datasets show that the 26.9×106 m3 collapse block moved over 10 m horizontally and vertically in the 5 years preceding collapse, with particularly rapid motion occurring in the summers of 2017 and 2018. We propose that the collapse results from a combination of snow loading in a deep headwall crack and permafrost degradation in the heavily jointed bedrock. Despite observing a clear precursory signal, we find that the timing of the Chamoli rock–ice avalanche could likely not have been forecast from satellite data alone. Our results highlight the potential of remotely sensed imagery for assessing landslide hazard in remote areas, but that challenges remain for operational hazard monitoring.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».