摘要

降雨引发的山体滑坡对人类活动构成重大威胁，因此需要进一步了解其触发机制。根据位于Monterosso集水区(意大利西北部五渔村)一个斜坡上的多参数监测站记录的2年期间的数据，本文报告了关于这一主题的一些初步推论。这个集水区在强降雨事件后经历了多次同时发生的浅层滑坡。在通过数据解释和数值模拟确定了土壤水力模型后，进行了边坡稳定性分析，阐明了与浅层滑坡发生有关的几个方面。通过基于物理的方法模拟了长期气候条件和单次降雨事件。这些模拟的结果使我们能够假设渗透模式并量化土壤水力行为对滑坡触发条件的影响。为此，对同一触发事件在局部尺度和整个流域范围内进行了各种分析，以期突出土壤初始水分和土壤滞回行为在边坡稳定中的作用。

1 介绍

降雨诱发的滑坡是世界范围内最常见的滑坡形式(例如，Dai et al. 2003;Park et al. 2013;Chen et al. 2014;Sajinkumar and Anbazhagan 2015;Marc et al. 2018)，并可能造成重大的经济损失和人员伤亡(Petley 2012;Haque et al. 2016)。在过去几年中，滑坡和极端降雨事件的频率和数量都有所增加(Kirschbaum et al. 2012;Haque et al. 2019);可能是由于全球气候变化(Froude and Petley 2018;Gariano et al. 2020)。因此，降雨引起的山体滑坡的时间和空间预测是一个日益重要的问题，已作出重大努力发展和/或改进为此目的而设计的方法和工具。特别是，最近开发了许多实时预警系统(ews)(例如，Froese等人，2005;Badoux et al. 2009;Anderson et al. 2011;Maskrey 2011;Genevois et al. 2018;Abraham et al. 2022)，这要归功于改进的测量和监测网络的可用性(Alfieri et al. 2012)。ews通常基于监测滑坡触发因素(如降雨和/或孔隙水压力)的系统收集的数据(Thiebes et al. 2014)。人们对生态环境系统的兴趣日益浓厚，因为在许多情况下，它们提供了减轻风险的有效解决方案，而且对环境和经济的影响很小(Intrieri等，2012年)。警报阈值通常通过经验定义(例如，Aleotti 2004;Guzzetti et al. 2008;Brunetti et al. 2010;Mathew et al. 2014;Huang et al. 2015;Dikshit and Satyam 2019;Gariano et al. 2019;Tufano et al. 2019;Valenzuela et al. 2019)或基于物理的模型(例如Baum et al. 2008;Liao et al. 2011;Papa et al. 2011;An et al. 2016;Mirus et al. 2018;Hsu and Liu 2019)。然而，这种经验阈值有其局限性，主要与需要特定地点的滑坡清单以及在潜在触发降雨事件之前难以适当考虑斜坡中发生的复杂水文过程(例如，有效入渗，蒸散)有关(Bogaard and Greco 2018)。在这方面，许多作者已经使用先行降水测量来确定滑坡可能发生的时间，并根据特定时期的先行降雨量建立一个阈值(例如，Govi等人，1985;Pasuto and Silvano 1998;Cardinali et al. 2006;Abraham et al. 2021)。然而，一个关键的困难在于确定降水积累的周期。根据Guzzetti等人(2007)的研究，相关文献显示，在考虑的时间段内存在显著的分散，这主要归因于不同的地质形态和气候特征，以及用于确定阈值的降雨和滑坡数据的异质性和不完整性。尽管难以获得水文、形态和土壤特征的详细信息，特别是在大面积上，但基于物理的模型可以提供更可靠的结果(Merritt et al. 2003;Rosso et al. 2006;Berti et al. 2012)。事实上，通过模拟土壤湿润的动态响应，这些模型可以确定触发边坡破坏所需的降雨量，直接考虑之前的降雨量(Wilson and Wieczorek 1995;Crosta and Frattini 2003)。这就是为什么将监测数据整合到简化的数值模型中可以作为设计高效EWSs的起点，Stähli和Bartelt(2007)也提出了这一建议。从这个角度来看，分布式监测对于降雨引起的滑坡情景的适当的基于物理的量化至关重要。

在我们的研究中，我们进行了一系列的分析，重点是强降雨事件后滑坡触发条件的评估。其概念是利用现场监测站记录的数据，以便评估大范围内的触发过程。从现场监测数据开始，我们首先定义了土壤的几个水力参数，特别强调了与其非饱和部分相关的水力参数，这些参数在浅层沉积物不稳定的开始中起着至关重要的作用(例如，Baum等人，2010;Lu and Godt 2013;Bordoni et al. 2015;Jeong et al. 2017;Rahardjo et al. 2019;Giannini et al. 2022;Martino et al. 2022)。基于我们的研究结果，我们通过简化的基于物理的方法分析了局地尺度上的边坡稳定条件，同时考虑了长期气候条件和特定代表性降雨事件。这些分析的结果随后被用于在更大范围内使用TRIGRS (Baum et al. 2008)进行类似的分析，TRIGRS是一种基于物理的模型，专为集水区尺度的边坡稳定性分析而设计。在这方面，我们的监测站(五渔村，意大利西北部)周围的地区因其小型沿海集水区独特的地理和气象气候特征而闻名，多年来发生了许多山体滑坡(例如，Cevasco等人，2013;Brandolini et al. 2018;Raso et al. 2019;Di Napoli et al. 2021)。因此，我们工作的目的是评估表征土壤覆盖层水力行为的重要性，以及将局部结果外推到更大范围的影响。同时，我们验证了从水文场监测推断的信息是否有助于改进流域尺度的边坡稳定性分析。

2 研究区域

蒙特罗索集水区(图1a)，面积约5.5平方公里，位于五渔村国家公园内，沿着利古里亚东部海岸(意大利西北部)。该地区具有陡峭(30-40°)的斜坡，通常由直接流入大海的深辫状短暂溪流雕刻而成。这些特征是最近隆起地区的典型特征(Faccini et al. 2013)，在利古里亚最东部的许多沿海盆地中都有发现。这种复杂的地形与海洋的影响相结合，强烈地影响着当地的气候。后者是典型的地中海，夏季炎热干燥，冬季温和，秋季是雨季。然而，当从海岸向流域移动时，年平均降水量(1033毫米)倾向于随着海拔的增加而增加(Pedemonte 2005)。例如，在流域北部最高海拔地区，年平均降水量约为1200毫米(Cevasco et al. 2015)。由于自我再生的风暴细胞或持续的气旋第勒尼安环流，极端降水也可能发生，通常在夏末和秋中之间(Crosta 1998;cesasco et al. 2009)。这些暴雨通常持续时间短(< 24小时)，但降雨强度可能达到或超过100毫米/小时(cesasco et al. 2015)。从地质学的角度来看，当地的基岩主要由砂岩-粘土-复理石和泥质复合体组成，上面覆盖着一层薄薄的(0.5-3.5米)风化层。几个世纪以来，为了农业目的，当地的浅层土壤和碎屑覆盖层被大量改造，形成了广泛的梯田地区(图1c)。这些代表了五渔村国家公园最具标志性的特征(Giordan et al. 2020;Pepe et al. 2020)。

a 2011年10月25日蒙特罗索流域浅层滑坡分布(红色多边形);绿点表示现场监测站的位置(Google Earth®卫星图像);B监测站图片;c农业梯田面积(来自Di Napoli et al. 2020);d梯田斜坡上的浅层滑坡(来自Schilirò et al. 2018)

然而，在过去的一个世纪里，梯田逐渐被废弃，并被地中海灌木覆盖，成为山体滑坡易发地区。此外，在目前种植的梯田地区，可以观察到排水系统的维护有限，使山坡更容易发生滑坡(Schilirò et al. 2017)。在这方面，至少可以提到两次主要的降雨事件。第一次发生在1966年10月2日至3日夜间，当时暴雨造成人员严重受伤，建筑物和基础设施遭到破坏，特别是在蒙特罗索村。根据现有信息，蒙特罗索的中心道路被水和碎片淹没，水和碎片蔓延到地下室、商店和咖啡馆，并冲走了躺在海滩上的船只(Guzzetti et al. 1994;Guzzetti和Tonelli, 2004)。在事件发生期间，邻近的Levanto监测站记录了142毫米的降雨量，最大强度为85毫米/6小时，127毫米/12小时和152毫米/24小时。第二次事件发生在2011年10月25日，即UTC时间7:00至17:00之间。蒙特罗索监测站记录的累计降雨量为382 mm，最大强度为90 mm/h、195 mm/3 h和350 mm/6 h(利古里亚地区，2012年)。由于这一极端事件，大约发生了260起浅层滑坡，最初是泥石流(图2)，然后在大多数情况下演变为泥石流或泥石流(Hungr et al. 2014)。大量的泥土和碎片吞没了蒙特罗索的中心道路，在村庄中心达到了最大厚度(约3米)(Schilirò et al. 2018)。

2011年强降雨事件后观测到的浅土层滑动(a);斜坡角(b)和土壤厚度图(Schilirò et al. 2018)也显示在蒙泰罗索流域的阴影地形图(c)上;利用2011年与2010年1 m × 1 m数字高程模型(dem)的差值计算滑坡源区破坏深度(d)。

3.材料与方法

3.1 莫interosso field monitoring系统

2011年极端天气事件发生后，在蒙特罗索流域安装了一个多参数监测系统，作为意大利政府区域事务部门(DARA)与罗马大学科学土地部门(Dipartimento di Scienze della Terra)协议的一部分，该协议涉及山区滑坡易感性量化方法的研究和设计以及早期预测能力。

现场监测站(图1b)位于蒙特罗索流域中部一个朝南的葡萄园露台上，位于SP38省道以西，海拔185-190米(asl)。阶地的平均坡度为27°，但其侧翼达到45°(图2b)。这种几何形状是典型的一种特殊类型的农业梯田(即当地方言中的cuiga)，其侧翼由压实的土壤和岩石混合而成，代替了更常见的干石墙。这种混合增强了草地边缘的形成，从而减少了阶地侧面的径流和侵蚀(Martini et al. 2004)。在土壤覆盖特性方面，室内试验结果为粗粒(多为砾石)材料，低塑性粉土和粘土成分较少(表1)。土的非饱和单位重在现场直接通过砂锥法确定。这些特征与下面的复理岩基岩风化和随后的农业活动所形成的淋积-崩积矿床相一致。

监测网络由(图3)组成:

1. 1.

   雨量计1个(ARG100型，Campbell Scientific Inc.， Logan UT);

2. 2.

   1个温湿度计(型号TTU600, Tecno;埃尔。s.r.l.，罗马，意大利);

3. 3.

   4个拉力计(T1-T4)，测量−85 kPa至+ 100 kPa范围内的土壤水压(型号T4e, UMS, m<s:1> nchen，德国);

4. 4.

   4个传感器(W1-W4)，用于测量土壤体积含水量(型号ECH2O EC-5，仪表组，Pullman, WA);

5. 5.

   1个传感器(W5)用于测量土壤体积含水量和温度(型号ECH2O 5TM，仪表组，Pullman, WA)。

监控系统的平面和截面图。监测杆包括:雨量计、温湿计、由配备锂电池的太阳能板组成的动力单元、数据记录仪和GSM/GPRS数据传输系统。传感器的安装深度在括号中表示。图例:W1-W4，测量土壤体积含水量的传感器;W5、测量土壤体积、含水量和温度的传感器;T1-4、张力计测量土壤水压。图的右侧为ECH2O EC-5土壤湿度传感器、ECH2O 5TM土壤湿度和温度传感器和张力仪的示例(从上到下)

张力计和土壤含水量传感器都安装在不同的位置和深度，以评估水力条件随时间的空间变化(图3)。特别是，选择了两个不同的深度(50和100 cm)来研究垂直入渗过程，其深度范围与蒙特罗索流域台地地区估计的平均土壤厚度一致(图4b)。在平面位置上，我们将大部分传感器放置在梯田的最外层，而三个传感器(W1, T3和T4)安装在离梯田边缘最远的部分，目的是观察沿坡倾方向土壤对降雨事件的水力响应。

蒙特罗索流域的土壤厚度图，剪在梯田区域内。排除的区域是所有已从土壤厚度估计中排除的区域(即海滩，沟渠，悬崖，城市化地区)(在Schilirò et al. 2018之后修改);B梯田内土壤厚度分布;2011年源区C坡度分布;D 2011年源区土壤厚度分布

数据采集由Campbell Scientific Inc.的CR1000数据采集器(采样率:5分钟)，由配备锂电池的光伏板供电。动力单元还提供基于GSM(全球移动通信系统)/GPRS(通用分组无线电业务)技术的数据传输系统。具体来说，数据以设定的时间间隔自动传输到外部服务器，该服务器可以通过云从web访问。通过这种方式，该应用程序不仅可以远程显示和下载数据，还可以检查监控系统的运行状态，几乎实时地发现潜在的故障。

3.2 身体英航sed建模

在这项工作中，使用不同的基于物理的模型来重建农业梯田的水力行为及其稳定条件。

对于水力特性，我们使用了HYDRUS-1D 4.0版本(Šimůnek et al. 2008)，这是一个由USDA(美国农业部)开发的软件包，用于模拟可变饱和多孔介质中一维、均匀的水运动。该模型在文献中被广泛用于分析土壤中的水、溶质和热传播(例如，Kanzari等人，2018;Shekhar et al. 2019;Davis and Ekwue 2022)，使用Richards方程的修正形式来模拟水流:

（1)

式中，θ为体积含水量，t为时间，h为压头，S为汇项，δ为流动方向与纵轴夹角，K为非饱和导电性，公式为:

（2)

式中Kr和Ks分别为相对和饱和水力导率。对于模拟水流的解析水力模型，我们选择了van Genuchten - mualem模型(van Genuchten 1980)，可以总结如下:

（3）

式中，θ为体积含水量，θs为饱和含水量，θr为残余含水量，α为孔隙空气压力拟合参数，n为孔径分布拟合参数，ua为孔隙空气压力，uw为孔隙水压力。

至于斜坡稳定性，我们根据分析的规模使用了两种不同的模型，即局部尺度模型和流域尺度模型。在前一种情况下，我们采用了Lu和Godt(2008)提出的简化方法。后者是常规无限边坡模型的扩展版本，可以根据部分饱和条件下的安全系数(FS)计算边坡稳定性:

（4）

式中φ '为土的有效摩擦角，β为坡角，c '为土的有效黏聚力，γ为土的单位重量，H为潜在不稳定土的厚度，σS为吸力应力，对于可变饱和材料，吸力可定义为(Lu and Likos 2006;Lu et al. 2010):

(5) (6)

Lu et al.(2010)也提出了考虑等效饱和度(Se)的吸力应力计算公式:

（7）

因此，考虑两种计算σS的公式，考虑27°和38°两个不同的坡角(分别代表监测阶地的坡角和2011年破坏边坡的平均坡角)，可以同时根据土壤含水量和孔隙水压力值来预测安全系数(图4c)。

对于流域尺度的分析，我们使用了TRIGRS (Baum et al. 2008)，这是美国地质调查局(USGS)开发的一个模型，主要用于预测大面积降雨引起的山体滑坡(Weidner et al. 2018;Park et al. 2019;Ávila等人2021;Schilirò等人2021;Tran et al. 2022)。TRIGRS是一个结合了两个计算的模型:(i)孔隙压力对降雨入渗响应的一维解析解，(ii)无限边坡稳定性计算。入渗模型基于Iverson(2000)提出的Richards方程的线性化解，可以解释地表不同类型的降雨输入。根据这些输入，TRIGRS可以根据各种输入参数(如坡度、土壤厚度、初始稳态地下水位深度和饱和水力导率)计算瞬态压头响应ψ(Z,t)。在每一个时间步，TRIGRS都会模拟到达地表的渗透水量超过重力所能排出的水量时地下水位的上升。该分析是通过将过量水量与地下水位正上方的孔隙空间进行比较，并在每个时间步长将所得水重量应用于饱和区初始顶部来进行的(Baum et al. 2010)。然后，确定特定深度Z处的安全系数，公式如下:

（8）

该模型还可以解释渗入地下水位以上部分不饱和表层的情况。在这种情况下，TRIGRS通过使用一些流体动力学参数将Richards方程线性化，正如Gardner的水力模型(1958)所建议的那样。在非饱和配置中，压头考虑了一个有效应力参数，等于Se (Vanapalli and Fredlund 2000)。

为了在我们的研究中使用TRIGRS模型，我们依赖于先前的分析(Schilirò et al. 2018)，该分析代表了整个蒙特罗索流域2011年事件引起的不稳定情景。我们在保持输入参数不变的情况下更新了这一分析，除了那些与不饱和相有关的参数，它们的值被替换为我们研究中获得的值。通过这样做，我们能够检查用现场数据校准这些参数是否有助于更好地定义大面积滑坡的发生。对于输入数据的空间分辨率，我们选择了4 m × 4 m，这是执行此类分析的最佳分辨率(Schilirò et al. 2018)。

以安全系数(FS)图表示的模拟结果与事件期间触发的滑坡震源区域进行了比较(图2)。为了量化模型的预测性能，我们对不同阈值(即不同FS值)进行了接收者工作特征(ROC)曲线分析。该分析将真阳性率(TPR)与假阳性率(FPR)联系起来，真阳性率是被正确预测的“滑坡”细胞的数量，假阳性率是被错误地模拟为不稳定的“稳定”细胞的数量。曲线下面积(AUC)通常是量化模型性能的参数:该值越大，预测效果越好。

目录

摘要 1 介绍 2 研究区域 3.材料与方法 4 结果 5 讨论 6 结论 参考文献 致谢 作者信息 道德声明 搜索 导航 #####

4 结果

4.1 现场mo分析nitoring数据

我们分析了2018年8月1日至2020年9月30日监测站记录的数据。在此期间，除了个别传感器故障和由于供电系统暂时中断而造成的短暂中断外，数据是连续获取的。关于降雨情况(图5a)，在夏季和秋季记录了几次强度大、持续时间短的事件，与地中海气候相对应。最重要的事件发生在2018年10月27日至29日之间，仅三天就录得约225毫米的降雨量(10月29日仅为159毫米)。每小时雨量峰值也非常高，最大雨量达66.8毫米。降雨直接导致空气和土壤温度骤降(图5b);然而，观察到明显的季节性趋势。有趣的是，气温的日变化比土壤温度更显著，土壤温度在夏季约为30°C，在冬季约为10°C。

监测站2018年8月1日至2020年9月30日记录的数据:逐时和累计降雨量;干燥和湿润的时期也突出;B土壤和空气温度;C不同位置土壤水压力;D不同地点土壤含水量

在水力监测方面，张力计记录的数据(图5c)显示，在炎热干燥的夏季条件下(干燥期)，基质吸力值(即负土水压)非常高。这些值在最深的传感器(T1)达到- 900 hPa，在第一次降雨后立即近似等于零，并且直到下一个夏季(湿润期)才基本保持不变。此外，土壤湿度记录与降雨峰值有明显的关系(图5d)。然而，最深的传感器(即W1)记录的值(0.05至0.15)低于其他传感器(0.10至0.3)。

如果考虑传感器的空间分布(图3)，我们可以注意到，位于下坡的传感器(即W5和W3)在相同深度上通常比位于上坡的传感器(即W2-W4和W1)记录的含水量值更高。

在最重要的降雨事件之一(2019年7月27日至28日)中，T2和T4是第一批检测到孔隙水压力显著变化的传感器，大约在第一个降雨高峰后1小时，因为它们的位置更靠近地面(图6)。相比之下，T1仅在7月28日凌晨3点才显示基质吸力急剧下降，此时T1和T2都记录了最大值。7月28日上午6时，梯田上坡最深的传感器T3才开始记录孔隙水压力变化，约6小时后达到最大值。

2019年7月27日至28日降雨事件中四个张力计记录的土壤水压力值

4.2 侦察通过数值模拟构建土壤水力特性

考虑到极端多变的大气条件，在两年的时间跨度内记录的数据使得以全面的方式重建所研究土壤的水力行为成为可能。如上所述，这种行为不仅与饱和相密切相关，而且与不饱和相密切相关。非饱和水力特性分析通常通过重建土壤水特征曲线(swcc)来进行，该曲线描述了体积含水量与基质吸力之间的关系。在本研究中，通过耦合T2-W2和T1-W3的记录，分别在土壤剖面的上半部(0-50 cm)和下半部(50-100 cm)确定了不同的swcc。特别是，使用非线性最小二乘法(Kemmer and Keller 2010)将Eq. 3拟合到土壤湿度-孔隙水压力值，以确定未知参数α和n。然而，SWCCs可能会表现出依赖于土壤湿润和干燥的滞后行为(Fredlund et al. 2011;Likos et al. 2013;Yang et al. 2019)。在湿润期，降雨入渗引起的体积含水量对应于一个特定的水压值，而在相同的土壤水分水平下，在干燥期产生的体积含水量要低。这类过程会显著影响土体的非饱和抗剪强度(Kristo et al. 2019)。因此，对于每一对传感器，我们根据记录数据的年份重建了干湿曲线(图7)。观察到一些数据分散;正如Bordoni等人(2015)所指出的那样，这种散射可能与更强降雨事件后发生的非常快速的滞后过程相关。拟合参数(表2)，特别是关于下层土壤湿润过程的拟合参数显示出特别高的值，这可以解释为所研究土壤中存在砾石(Yang et al. 2019)。为了评估拟合过程的有效性，我们计算了得到的四条曲线的均方根误差(RMSE)。得到的RMSE值相当低，在0.004到0.008之间(表2)，从而证实了拟合曲线的可靠性。

由湿润期和干燥期记录的T2-W2和T1-W3数据插值得到的swcc(见图5a)

在确定了上部和下部土壤部分的swcc后，我们将得到的拟合参数作为HYDRUS-1D模型的输入数据。更具体地说，我们首先进行了为期六个月(即2018年8月1日至2019年1月31日)的数值模拟，以校准α值，以及干燥(Ksd)和湿润(Ksw)条件下的饱和水力导率。随后的模拟考虑了剩余时期(即2019年2月1日至2020年9月30日)，以验证所有水力参数，以期将其用于以下边坡稳定性分析(第4.3节)。在后一个模拟中，我们使用W2和W3作为体积含水量的控制点，而在第一个模拟中，我们同时使用水压和含水量数据通过逆优化校准上述参数。选取倾斜27°的100 cm土壤剖面作为所研究土壤剖面的几何构型。考虑沿底部边界的自由排水条件，而每小时的数据作为降雨输入。蒸散发是利用Hargreaves方程中的日最高和最低温度记录来计算的(Jensen et al. 1997)。

参数标定结果表明，土壤下部Ksd值高于上部(1.16 × 10-5 vs. 9.49 × 10-6 m/s)，两者的Ksw均为6.94 × 10-6 m/s。在大部分研究期间，模型和记录的含水量值的比较结果(图8)在土壤剖面的上部和下部都很一致。在监测调查的第一部分(2018年8月至10月)和最后一部分(2020年4月至10月)观察到最显著的不一致;整个时期计算的RMSE在土壤上部(RMSE: 0.031)和下部(RMSE: 0.029)都很小。

50 cm (W2)和100 cm (W3)深度记录(点)和模拟(线)土壤含水量比较

4.3 边坡稳定性分析

在对土壤水力参数进行初步验证后，我们通过3.2节所述的简化方法重构边坡稳定条件。作为土壤的力学参数，我们使用了31°的摩擦角(Schilirò et al. 2018)，而考虑到与耕作方式相关的高度土壤重塑，假设有效粘聚力等于零。

作为第一步，我们计算了整个监测期间的FS，以检查深度为50和100 cm的不稳定条件的潜在发生。对于吸力应力(σS)的定义，一般采用公式7，数据由W2和W3记录。仅对于接近饱和的条件，我们直接使用T1和T2记录的正水压值。值得指出的是，与上述一致，我们在润湿期使用了van Genuchten-Mualem模型的“润湿”参数，反之亦然。得到的趋势(图9)显示，FS始终在1以上，这与两年观测的现场证据一致。该趋势在100 cm处较为稳定，而上部土壤由于含水量波动较快，FS变化较大。换句话说，个别降雨事件甚至在达到最高FS值的春夏期间也应该引起突然而显著的FS下降。冬季50 cm深度的FS趋势变化较大，但变化幅度较小。

2018年8月1日至2020年9月30日50 cm和100 cm深度安全系数随逐时降雨量变化趋势

在2011年10月25日发生的降雨事件中，采用相同的方法在局部尺度上重建边坡稳定条件(见第2节)。在这种情况下，采用前一节描述的校准模型，使用HYDRUS模拟重建水力条件。我们首先利用前一个月的日降雨量数据，通过数值模拟评估了初始土壤湿度条件(即强降雨事件之前)。之后，使用ARPAL (Agenzia Regionale di Protezione dell’ambiente Ligure)提供的每小时降雨量数据计算活动期间(UTC时间7:00-17:00)的FS。结果(图10a)表明，在9:00 UTC(降雨事件最关键阶段开始)之后，50 cm深度的FS迅速减小，在11:00 UTC达到小于1的值。相反，在深度为100 cm时，FS的减少不那么明显，大约一小时后(10:00 UTC)开始。同样在这个例子中，在11:00 UTC达到了最关键的值，但它仍然高于1(即1.18)。在降雨结束时，两种情况下FS都有增加的趋势，在50 cm深度梯度更大。

假设坡角为27°(a)和38°(b)，深度为50 cm和100 cm的FS趋势与2011年10月25日事件的每小时降雨量

然而，所调查斜坡的当地条件并不能代表整个蒙特罗索流域。这就是为什么考虑38°的坡角(即2011年滑坡源区测得的平均坡角)会得到不同的结果;见图4c)。

通过将该值替换为之前的值(27°)，代表监测的梯田坡度，我们观察到早在10:00 UTC，在100 cm深度也出现了临界条件(图10b)。考虑到源区土壤厚度平均等于或大于1 m(图4d)，我们得出结论，同样在这种情况下，模拟结果与现场证据一致。

经过局地尺度的分析，我们决定使用TRIGRS模型在整个蒙特罗索流域模拟2011年的事件。结果显示，在FS < 1时，TRIGRS单元与滑坡位置之间具有良好的一致性(图11)。从ROC (receiver operator characteristic)曲线上获得的曲线下面积(AUC)指标证实了这一性能;后者的返回值为79.3%(表3)，这是由于误报次数减少以及没有高于FS > 2的滑坡。

根据TRIGRS模型进行的模拟，绘制了2011年10月25日事件结束时(UTC时间17:00)蒙特罗索流域的FS地图

5 讨论

张力计和含水量传感器记录的数据(图5c, d)产生了一些关于土壤水文行为的初步迹象。首先，降雨事件与水力变化之间的滞后时间非常低，这与粗粒材料的典型水力导电性一致(表1)。我们确定了上部土壤部分(0-50 cm)的Ksd值为9.49 × 10-6 m/s，而下部土壤部分(50-100 cm)的渗透性略高(1.16 × 10-5 m/s)。对于非饱和相的参数(图7和表2)，两者之间的差异取决于孔径随深度的不同分布，而孔径随深度的不同分布又可能与粒度变化有关。底部的高α值表明存在较大孔隙的材料。后者可能归因于在五渔村建造梯田的方法，这种方法涉及到填筑材料的上坡开挖。阶地的几何形状也可以解释含水量趋势的差异。图5和图6所示的结果最能代表湿润锋入渗方案(Schilirò et al. 2019)，在该方案中，基质吸力的减少首先发生在土壤的上部，如果降雨持续，由于入渗水在露台边缘的积累，也会产生正孔隙水压力(图12a)(图12b)。在这方面，我们意识到对这一过程的详细描述应该包括对阶地侧翼的作用的评估，它可能是一个低渗透率的边界。然而，这将需要超出本工作范围的2D-3D分析。事实上，我们研究的主要目的是根据记录数据更好地定义土壤的水力参数，然后将其用于集水区尺度的边坡稳定性分析。然而，根据具体降雨事件收集的数据，我们认为假设上述入渗方案是合理的。

湿锋入渗方案考虑存在:一个土壤含水量传感器，和b张力计。蓝色箭头表示降雨量输入

在边坡稳定性方面，在两年的监测期内进行的分析显示，在显著的降雨峰值和/或较长的降雨期间，FS发生了强烈的变化(图9)。这些变化在土壤的最浅部分更为明显，其中部分饱和对土壤抗剪强度的贡献更高。在研究期间，该区域未发生滑坡现象，这与建模结果中FS值未低于1相一致。相比之下，在2011年的事件中，监测站所在的边坡发生了非常浅的破坏。后一种证据与数值模拟的结果一致，证实了在11:00 UTC降雨高峰时，深度为50 cm的FS低于1，而深度为100 cm的FS减少不足以引起不稳定(图10a)。

在这些分析之后，我们决定再次模拟2011年的事件，在调查梯田的坡度条件下，假设初始土壤湿度发生了变化，以期进一步了解在相同触发事件下其在破坏发生中的作用。考虑到HYDRUS模拟在2011年10月25日事件开始时返回的初始Se为0.45，我们选择了较干燥(Se: 25%)和较湿润(Se: 75%)初始条件进行边坡稳定性计算，平均坡度角为27°。同时，我们使用“干燥”和“湿润”保持曲线参数(表2)也量化了土壤滞回特性的影响。结果趋势再次表明，土壤上部的FS变化最大，初始FS值从Se 25%下降到75%，下降了约1(图13a)。同样值得注意的是，“润湿”参数的使用显著降低了稳定性，特别是当初始Se为25%时。在后一种情况下，与其他具有较高Se的情况一样，减少的量足以在11:00 UTC引起故障。这一发现强调了不仅要考虑现有土壤湿度条件，而且要考虑与降雨事件发生季节有关的适当土壤滞后路径的重要性。

假定不同初始土壤湿度条件(以硒计)和“干”/“湿”参数，计算2011年10月25日事件期间深度为50 cm (a)和100 cm (b)的FS趋势

对于深度为100 cm的FS(图13b)，不同初始土壤湿度和“干”/“湿”参数的差异不太明显，从未达到破坏条件。这一点可以用从记录数据推断并在HYDRUS模拟中复制的入渗方案来解释，即湿润锋的推进。如上所述，在强降雨事件期间，向下移动的湿润锋的存在主要在土壤的最浅部分形成正孔隙水压力。这些压力随着深度的增加而逐渐降低，其中不稳定过程主要取决于基质吸力的损失。这意味着，除非发生其他类型的水力过程(即，地下水位暂时上升)，否则土壤的下部不易受到破坏。监测站记录的数据不允许我们假设这种过程。然而，值得强调的是，只有在调查期间(2018年10月27日至29日)发生的最显著降雨事件的降雨数据可用。事实上，由于传感器的临时故障，在比赛期间没有收集土壤的水力数据。因此，不能先验地排除悬空地下水位的形成。

通过TRIGRS对整个Monterosso流域2011年滑坡事件的重建，AUC值证实了我们模拟的良好性能，该AUC值高于Schilirò等人2018年进行的类似分析(表3)。这种改善与FPR值有关，新分析中的FPR值要低得多。具体来说，我们的分析预测了一个合理比例的源区域(42.4%)，假阳性的数量非常低。相反，尽管先前的分析正确地模拟了略高比例的滑坡(49.5%)，但被错误预测为“不稳定”的地区的范围要大得多(图14a)。这意味着使用更新的水力参数提高了模型的性能。此外，鉴于该模型在EWSs中的潜在应用，虚警的大幅减少当然是受欢迎的。

2011年10月25日事件结束时(UTC时间17:00)，基于Schilirò et al. 2018 (a)进行的模拟，以及我们更新水力参数(b)之后的蒙特罗索流域FS地图。

最后，必须强调的是，上述见解依赖于对现场监测数据的解释和简化的建模，作为更广泛和仍在进行的研究活动的一部分。下一步将是通过2D-3D数值分析来确认假设的入渗方案(图12)，以解释阶地上土壤水力特性的空间变化，特别是其侧翼。这些分析将通过对不同部门的阶地进行深入的物理和水力表征以及一系列实验室水槽测试来支持。后者将按照Schilirò et al. 2019中描述的程序，在再现现场条件的土坡模型上进行。计划活动的结果将提供有用的资料，以提高对大范围地区的分析的可靠性。

6 结论

在本文中，我们介绍并分析了位于蒙特罗索流域的原位监测站记录的数据，该监测站是意大利北部五渔村国家公园的一部分。我们研究的目的是获得一些关于土壤覆盖层的水力特性和浅层滑坡触发机制的初步见解，作为大面积稳定性分析的基础。从两年多的大气数据和土壤水力数据出发，首先建立了土壤的水力模型，特别注意表征其非饱和阶段。利用HYDRUS进行数值模拟，得到了由上、下两部分组成的模型(均具有典型的粗粒度材料水力参数)。模拟还使我们能够推断出湿润锋的推进是一种潜在的渗透方案。在滑坡触发条件方面，局部尺度稳定性分析表明，土体上部土体FS变化最大，土体上部基质吸力损失更快，孔隙水正压力发展更明显。2011年10月25日事件的模拟强调了初始水分和土壤的滞回特性以及局部坡角在边坡稳定条件中的主要作用。同样的事件在流域尺度上进行了模拟。在后一种建模过程中，使用现场数据校准的参数，与在同一地区进行的先前分析相比，提高了TRIGRS模型的预测性能。这一证据强调了对易发生滑坡的风化土壤覆盖物进行水力表征的重要性，以期设计出更可靠的未来情景。鉴于上述情况，未来的工作将致力于对所调查的边坡进行深入的物理和水力表征，同时考虑到与梯田几何形状相关的土壤参数值的潜在空间变化。这些努力有望使我们能够完善和改进本文中讨论的土壤水力模型，并更好地确定降雨引发的浅层滑坡的潜在条件，最初是在局部范围内，然后是在整个流域内。因此，这项工作应被视为将现场监测数据与简化的基于物理的模型结合起来的第一次尝试，以期开发专门针对广泛地区的形态-气候特征进行校准的EWSs。

下载原文档：https://link.springer.com/content/pdf/10.1007/s11069-023-06064-0.pdf