近日，同济大学工程风险研究团队孙源博士研究生、张洁教授和广东省电力设计研究院汪华安高级工程师、哈尔滨工业大学吕大刚教授在《Computer and Geotechnics》期刊上发表了题为“Probabilistic thresholds for regional rainfall induced landslides”的研究论文，报道了区域降雨诱发滑坡的概率性阈值曲线的最新研究成果。

降雨阈值曲线已经被广泛应用于山体滑坡的早期预警，传统的确定性降雨阈值通常是通过视觉描绘的方法绘制的。然而由于地质条件和降雨事件中存在的不确定性因素，在实际观察中常常发现超过确定性阈值曲线的降雨事件并不一定会引起滑坡，反之亦然。

为了探究不确定性因素对于降雨阈值曲线的影响，本文首先模型分析了边坡降雨入渗过程（见图1），使用RARIL模型对区域降雨边坡的安全性进行计算，得到了不同观测时期下触发滑坡的降雨事件和非触发事件，并绘制了确定性降雨阈值曲线（见图2）。由图2可知确定性降雨阈值曲线不稳定，且两类降雨事件之间没有确定的边界。因此，本文提出了一种基于支持向量机（SVM）的概率性降雨阈值算法，用于量化两类事件中的不确定性。最后利用两个案例验证了本文提出的概率性阈值算法相较其他算法的合理性（见图3，图4）。

图1 非饱和土入渗示意图

图2 基于不同观测时期数据建立的确定性降雨阈值曲线：(a) 1年； (b) 5年

图3 基于不同方法建立的概率性降雨阈值曲线（案例1）：(a) SVM； (b) 逻辑回归

图4 基于不同方法建立的概率性降雨阈值曲线（案例2）：(a) SVM； (b) 逻辑回归

研究表明：当两类事件之间的边界呈近似线性时，基于SVM建立的概率性阈值曲线与基于逻辑回归建立的曲线具有相似的曲线下面积（AUC）值，但两种方法建立的降雨阈值曲线并不完全相同。当两类事件之间的边界是非线性时，基于SVM方法的AUC远远大于基于逻辑回归方法的AUC。本文提出的概率性降雨阈值方法可以量化不同降雨阈值曲线的可靠性，为发布降雨预警信息和管理山体滑坡风险提供更全面的信息。

第一作者

孙源博士研究生 邮箱：cesunyuan@tongji.edu.cn

第二作者和通讯作者

张洁教授        邮箱：cezhangjie@tongji.edu.cn

第三作者

汪华安       高级工程师

邮箱：wanghuaan@gedi.com.cn

第四作者

吕大刚      教授

  邮箱：ludagang@hit.edu.cn

文献引用

Sun, Y., Zhang, J., Wang, H., & Lu, D. (2024). Probabilistic thresholds for regional rainfall induced landslides. Computers and Geotechnics, 166, 106040.

原文链接与二维码：

原文链接：https://doi.org/10.1016/j.compgeo.2023.106040

撰稿：孙源、谢小创

编辑：冯晓曦

校对：章艺严

审核：申轶尧