Possible remediation of impact-loading debris avalanches via fine long rooted grass: an experimental and material point method (MPM) analysis
Notice bibliographique
Résumé
Abstract Debris avalanches often originate along steep unsaturated slopes and have catastrophic consequences. However, their forecast and mitigation still pose relevant scientific challenges. This is also due to the variety of mechanisms observed near high sub-vertical bedrock outcrops, such as the impact loading of soil failed upslope the outcrop, the build-up of pore water pressures in the inception zone, and the bed entrainment along the landslide propagation path. At the University of Salerno, an experimental and numerical investigation campaign started some years ago to explore the feasibility of using long-root grass to mitigate or even inhibit the inception of debris avalanches. Previous laboratory results were achieved through two twin 2-m-long columns (one bare, one vegetated), where the change in soil retention curve and soil mechanical response was assessed. As follow-up, an experimental field setup was installed in 2020 first, and in an improved configuration in 2021. Here, three different species of long-root grass were grown. In situ soil suction and water content measurements were periodically collected in the vegetated and in the original soils. In both cases, soil specimens were also collected, and laboratory geotechnical tests were performed to individuate the changes in both the water retention and strength response. Increased values of soil suction and shear strength were outlined, despite some differences, for all the grown species compared to the original soil. Using these novel experimental data, advanced large-deformation stress–strain hydro-mechanically coupled analyses were recently performed through a material point method (MPM) approach. The original slope conditions were compared to various slope configurations engineered via long-root grass. The benefits and the open issues related to this novel green technology for landslide mitigation are discussed. Some insights are outlined for the possible reduction of the soil volumes mobilized inside the inception zone of debris avalanches.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».