《International Journal of Disaster Risk Reduction》：Spatio-temporal variability of landslides as indicator of climate change impact: Towards an Italian national scale integrated procedure for the rainfall role analysis in landslide dynamics
研究人员分析了滑坡等地面不稳定现象对气候变化的敏感性，指出在意大利，此类现象构成了水文地质灾害风险的主要组成部分，尤其在山区和丘陵地带，近期极端事件凸显了气候胁迫因子对坡面不稳定性的影响日益增强。强降雨既作为 preparatory factor（ preparatory factor），逐渐削弱坡体稳定性，又作为 triggering factor（triggering factor），直接诱发破坏。尽管降雨极端事件的频率和强度持续增加，但目前仍缺乏将极端降水行为整合到滑坡动力学中的综合性概念框架。本研究综述了当前关于降雨诱发滑坡过程的研究现状，特别关注了 preparatory 与 triggering 机制的区别及其对演变气候条件的敏感性。研究聚焦于浅层滑坡，在该类滑坡中降雨的影响比深层 seated process 更为直接和即时，研究人员将滑坡发生率的时空变异性作为气候变化影响的指示器进行分析。在此基础上，研究人员构建了一个由标准化工具链（toolchains）组成的全国尺度概念框架，旨在系统评估和整合降雨在滑坡动力学中的作用。这些工具链通过虚拟试验床（Virtual Test Bed, VTB）进行评估，VTB 提供了受控但具有地貌真实性的环境，用于探索多灾害相互作用并评估建模工作流的内部一致性。该概念性验证凸显了现有方法的潜力与局限，特别是将降雨信息转化为土壤含水量和孔隙压力条件方面的困难——这是可靠建模 preparatory process 的关键但仍是瓶颈性的步骤。
1 引言
气候变化指气候变量的长期变化趋势。尽管火山活动、太阳波动和内部变率等自然过程对气候振荡有所贡献，但近年的变化主要受人类活动驱动。人为排放使大气CO
2浓度从工业化前的约278 ppm上升至2022年的超过417 ppm，改变了地球能量平衡并加剧了极端事件。气候变化参数描述气候系统的演变方式，而影响指标则衡量对自然和人类系统的后果，包括滑坡频率变化、洪水、冰川退缩和干旱严重程度等。滑坡对气候变化尤为敏感，工业化国家年损失超过60亿欧元。在意大利，水文地质事件使企业退出概率增加7.3%，收入和就业分别减少4.9%和2.2%。大尺度气候驱动因子进一步调节滑坡发生：强厄尔尼诺阶段放大降雨诱发滑坡；大气河流主导亚热带安第斯山脉的触发风暴；随机降雨模式影响滑坡时间和累积面积。此外，升温和极端降雨影响植被动态，有时削弱稳定覆盖层，有时增强坡面抗力。
在意大利，气候变化的影响近年日益明显。2022年和2023年是自1961年以来最热的年份，平均异常达+1.14°C。这些异常强烈影响国家水平衡，尤其在北部和中部意大利，引发多次极端洪水和长期干旱。2023年5月艾米利亚-罗马涅地区（326 mm/天）和10月托斯卡纳地区（3小时200 mm）的极端降雨事件尤为突出。2023年5月艾米利亚-罗马涅事件中，超过80000处降雨诱发滑坡（多为首次破坏）发生在超过6000 km
2的区域，密度高达每平方公里200处。此外，皮埃蒙特、利古里亚、艾米利亚-罗马涅、普利亚、西西里和撒丁等地区出现超过330天的长期干旱。即便如此，2024年秋季仍出现异常事件：10月19-20日博洛尼亚市域记录到1900年以来绝对日降雨记录。
滑坡的时空变异性已被认可为气候变化影响的指示器，其受静态（predisposing）和动态（preparatory和triggering）因子的复杂相互作用影响。静态因子定义坡体固有的破坏易发性，而动态因子涵盖preparatory和triggering阶段，重点控制坡体不稳定性的时间依赖性过程。其中，降雨具有双重作用，既作为preparatory因子又作为triggering因子。强降雨通过改变土壤含水量、增加孔隙压力和降低抗剪强度逐渐降低坡体稳定性。preparatory阶段进一步受先期降雨和累积降雨以及季节性趋势的调节，促进土壤饱和、内部侵蚀和渐进削弱。然而，气候强迫的影响因土壤性质、植被覆盖、地形和土地利用的空间差异而变化，并受微气候变异性和气候变化的进一步影响，而气候变化正在加剧强降雨事件。人为地形变化可进一步改变局部坡体稳定性条件，改变排水模式、侵蚀敏感性和沉积物连通性。因此，浅层滑坡对演变气候模式的响应高度取决于区域条件。
尽管近年极端降雨事件因气候变化而加剧，但目前仍缺乏关于气候如何影响滑坡preparatory和triggering因子的全面理解。此外，尽管意大利已有众多针对特定地点的研究探索了降雨在重力过程中的preparatory和triggering作用，这些研究仍属碎片化和局域化。目前尚无国家层面的共享程序框架或标准化工具链来系统评估和整合气候对滑坡动力学的影响。
RETURN合作框架等提供了应对这一不足的机会，促进了研究涉及多层面现象所需的跨学科方法。本文描述的方法论方法首先聚焦于基于一系列案例研究（定义为Learning Examples）识别最佳实践经验和前沿分析的现状研究。此外，共选择了38个面向影响的风险指标，考虑最常见的天气-气候参数，包括降水、温度、积雪和冰川数据、风和海洋数据。在此背景下，通过特定任务识别导致地面不稳定的气候胁迫因子，也受益于地貌学气候服务方面的最新进展。在此框架内，滑坡和其他地面不稳定现象按运动学特征（即慢速和快速运动）和类型（即流动、滑动、扩展和坡面变形、坠落和倾倒）进行分类。
本研究旨在调查滑坡发生率的时空变异性作为气候变化影响的指示器，特别关注preparatory和triggering因子以更好理解降雨在滑坡动力学中的作用。分析主要聚焦于浅层滑坡，其中降雨诱发的preparation和triggering动力学与短期水文气象条件更为直接和明显相关，而非深层滑坡，后者对降雨的响应更为复杂和延迟。在此基础上，研究人员开发了由标准化工具链支持的全国尺度概念框架，旨在系统评估降雨在滑坡动力学中的作用。这些工具链通过虚拟试验床（VTB）进行评估，VTB提供了受控但具有地貌真实性的环境，用于探索多灾害相互作用和验证建模工作流的内部一致性。这一概念性验证有助于识别当前方法论的关键差距，为未来运营发展提供结构化基础，并可适应不同的地理和气候背景。
2 意大利降水的当前气候和未来变化预期：文献综述
2.1 降水气候学
意大利的年际和极端降水气候学受复杂大气和地形影响塑造。在意大利北部，降水主要由来自北大西洋或伊比利亚半岛附近的 cyclonic system 产生，这些系统在热那亚湾上空经常 intensify，该区域也被称为"热那亚气旋生成"（Genoa cyclogenesis）区。 coupled with orographic uplift，这导致北部向风区域如利古里亚、北部托斯卡纳、南部阿尔卑斯山麓的高年降水量（1500-2500 mm范围），在东北部弗留利地区达到3000 mm。相反，整个波河流域、背风区域如亚得里亚海沿岸，以及阿尔卑斯内部如南蒂罗尔接收显著较少的降水量（<1000 mm）。在意大利南部，降水主要由第勒尼安海和伊奥尼亚海上空的 convective system 和 cyclone 驱动，尤其在冬季。较高降水总量从西西里岛北部和东部海岸的1000-1300 mm到卡拉布里亚亚平宁山脉的1200-1800 mm不等，而中南部意大利其余地区则干燥得多（<600 mm）。
意大利极端降水的空间变异性也很显著，尤其在短历时方面。1小时极端降水事件（如50年重现期分位数，17-220 mm范围）的最高值沿意大利大部分海岸线分布，特别是弗留利-威尼斯朱利亚南部海岸、意大利中部西部海岸、西西里、卡拉布里亚和撒丁岛东部海岸，数值超过200 mm。高值也出现在内陆，特别是波河流域、威尼斯泻湖和亚平宁山脉地区， highlighting the widespread nature of convective storms in lowland and coastal areas。随着历时增加至24小时（50年分位数40-1010 mm范围），最高值集中在更 narrow region 如西北部阿尔卑斯山、意大利西部海岸、东部撒丁岛、南部卡拉布里亚和东部西西里。这种变异性反映了从 convective system（短历时时主导）到 stratiform precipitation（更长历时时更常见）的转变，同时受意大利地形影响。
2.2 观测趋势
近年，量化并理解降水量趋势、尤其是极端降水的关注日益增加，以建立气候影响研究的实证基线。在年尺度上，Caporali等（2021）的综述发现在湿润日数上存在普遍的减少趋势，仅有 minor regional variation ，总降水量下降不那么显著，尤其在冬季月份。Vicente-Serrano等（2025）在1871至2020年地中海区域的研究强调了检测趋势在考虑时期和区域上的变异性，而整个区域的长期趋势并未显现。他们将检测到的趋势主要归因于大气环流模式的变异性，即气候的内部变率。然而，意大利大部分地区从长期分析中发现年降水量有减少趋势，而最近几十年则发现增加趋势。
过去20年，意大利区域尺度极端降水趋势研究众多。大多数显示在调查区域的大部分区域趋势缺乏统计显著性，而在较小区域可能显现显著趋势。使用 sub-daily duration 的年度最大值长期记录进行的两项全意大利研究清晰呈现了这一点。Mazzoglio等（2025b）使用分位数回归方法分析1960至2022年数据，提供更全面的极端降水趋势图景。结果表明，较罕见的极端（高分位数）比较低普通极端表现出更大的空间和时间变异性以及更大的趋势幅度。值得注意的是，1小时极端降水主要显示增加趋势，尤其在意大利北部部分地区、 ways 和撒丁岛以及中部部分地区，而24小时极端降水则因区域不同而呈现正负趋势。对于亚小时历时，由于长期记录或高质量天气雷达数据的可用性降低，观测趋势研究更为有限，尽管这对 debris flow 和 flash flood 等降水驱动灾害的影响研究具有重要价值。少数近期研究凸显了这些短历时相对于小时或更长历时的更快增加趋势。在意大利，仅少数研究分析了过去20-30年的亚小时罕见极端，在东阿尔卑斯（Dallan等，2022）和西西里岛（Treppiedi等，2021），两者均确认了相对于小时历时在亚小时历时更显著的增加趋势。
2.3 气候变化模式
近期气候模式的进展显著增强了未来降水的预测，尤其在气候变化热点地区如地中海。全球气候模式（Global Climate Models, GCMs）已被证明不足以表示区域和地方尺度的 intense precipitation，因此开发了降尺度方法以更好解决 sub-grid process 。其中，区域气候模式（Regional Climate Models, RCMs）的动态降尺度发挥了关键作用，考虑大气与海洋相互作用的可能性首先促成了地中海盆地 coupled regional system 的发展，这些系统正迅速演变为地球系统模式（Earth System Models）。
近十年，计算能力的提高允许发展了大气对流允许模式（Convection-Permitting Models, CPMs），其在4 km以下的网格间距运行。这些模式明确解析对流过程，消除参数化方案的需求，改善了小时降水特征的模拟，包括日循环、空间模式、强度分布和极端值。CPMs还允许更准确地表示地表异质性，如山脉、海岸线和城市区域，以及影响其他气候极端如干旱和热浪的 land-atmosphere feedback 。
在欧洲背景下，CORDEX-FPS Convection项目内，Ban等（2021）和Pichelli等（2021）首次引入了大阿尔卑斯区域约3 km分辨率的10年CPM集合模拟。Ban等（2021）显示由ERA-Interim再分析驱动的CPMs比粗分辨率RCMs更好地再现了观测的日 extremes 和小时 extremes 。Pichelli等（2021）进一步评估了由CMIP5 GCMs在RCP8.5情景下驱动的CPMs，发现这些高分辨率模式不仅 refine 了预测变化的空间细节，甚至可能改变与RCMs相比的预期强度和极端趋势符号。在意大利，Pichelli等（2021）报告夏季 heavy precipitation（以 high percentile 评估）在小时和日时间尺度上的未来增强。秋季预测显示降水变化的南北增加-减少模式，尽管 substantial inter-model variability 限制了确定性。
Dallan等（2024a, b）进一步评估了从 sub-daily 到日历时的极端降水变化，重现期达100年。结果显示所有历时的极端降水普遍增强，最短历时和最罕见事件（即100年比20年重现期的未来增强更大）以及山区尤其是东阿尔卑斯和北亚平宁山脉的增强最强。这些结果指向降水统计分布向更重尾部的转变。VHR-PRO_IT模型提供了意大利全国视角，这是最近唯一覆盖整个国家、跨越90年模拟期（1981-2070）的对流允许投影，在RCP4.5和RCP8.5两种情景下。结果指示两种情景下平均降水强度的一致增加，RCP8.5下增强更强。相反，降水事件频率减少，尤其在复杂地形如阿尔卑斯区域。这些变化——更高的平均强度但更少的事件——与Pichelli等（2021）的多模式发现一致。值得注意的是，heavy precipitation intensity（以小时值 high percentile 表征）在阿尔卑斯山、波河谷和东地中海预期增加，而西西里和撒丁岛等南部和岛屿区域则预计减少。
在RETURN项目框架内，进行了CMIP6全球气候投影的区域降尺度，旨在产生高分辨率（5 km）气候信息以评估意大利区域的气候变化信号。试验涵盖后报（即ERA5驱动）和历史模拟（由MPI-ESM1-2-HR模型驱动），模拟当前（1980-2014）和未来（2015-2100）气候，在三种不同排放情景（SSP1-2.6、SSP2-4.5、SSP5-8.5）下。尽管采用的分辨率不允许关闭对流参数化，但作者显示，在所采用的模型配置下，大部分降水无论是大尺度还是对流的都被明确解析，表明该模式 mimics a convection permitting model 。Struglia等（2025）分析了三种情景试验下世纪末的降水变化季节预测，仅在SSP1-2.6情景中发现意大利半岛大部分区域冬季和春季平均降水的显著增加。其他两种情景预测所有季节平均降水的减少，随情景严重程度加剧。SSP2-4.5和SSP5-8.5中的唯一例外是阿尔卑斯区域冬季和秋季降水的预期增加。另一方面，极端事件变化的分析突出显示，在世纪末，SSP2-4.5和SSP5-8.5情景预测相对于当前气候模拟有更高的极端事件概率以及 unprecedented intensity 事件。每日降雨99th percentile（P99）在2071-2100年与1985-2014年相应值之差的季节分析清楚显示，这种极端事件的增强主要集中在秋季（SON），几乎覆盖所有意大利区域。
3 降雨：preparatory 与 triggering 因子
3.1 快速滑坡中降雨作为 preparatory 因子
众多研究分析了气候变化以降水和温度变化的形式如何影响水文体制，从而浅层滑坡现象的强度。降雨被广泛认可为浅层和快速滑坡的主要 triggering factor 。然而，降雨的 preparatory role 历史上受到较少关注，气候变化的影响仍具争议且不易推广。
3.1.1 经验阈值与先期降雨指标
传统上，浅层和快速滑坡被认为主要受 intense rainfall 影响，其作为 triggering factor 发挥关键作用。降雨的 preparatory role 被认为次要甚至可忽略，取决于涉及物质的水文特性（材料越粗、渗透性越强，先期降雨在准备地面不稳定性中的作用越不相关）。这 clearly reflected in empirical approaches ，其中 trigger process 通过少数关键参数的统计相关性建模，完全忽略任何 preparatory role 。
然而，大量工作已发表，其中 triggering thresholds 使用基于先期降雨的降雨指标定义。除技术优点是使用先期降雨指标不需要高时间分辨率的降雨测量外，许多研究观察到先期降雨更好捕获降水的 preparatory role ，以及（或替代，取决于模型） triggering role 。先期降雨以多种方式被考虑：Tien Bui等（2013）结合日降雨（作为 triggering process ）和15天先期降雨（作为 preparatory role ）；Saadatkhah等（2015）考虑3天和30天先期降雨；Lee等（2015）使用日降雨和3天累积降雨。此外，一些作者不直接使用降雨测量，而是计算加权先期降雨指标，试图更好解释先期降雨在影响地形饱和程度方面的 preparatory role 。Martelloni等（2012）引入了从平均降雨量偏离的标准差的使用，该标准差在逐渐增加的 time step （直到整个湿季持续时间）内累积。Greco等（2013）使用定义为降雨强度与经验传递函数卷积积分的 mobility function 。
在经验降雨阈值的同一研究主题中，近期进展提出了 preparatory 和 triggering 降雨指标的更完整整合。Rosi（2020）和Nocentini等（2024a）将经典的I-D（强度-历时）方法与基于平均先期降雨的第三降雨参数合并。虽然前两个参数解释峰值降雨强度的 triggering effect ，第三个参数解释先期降雨发挥的 preparatory role ，识别阈值的第三维度（从而在3D中由平面而非2D中的线构成）。通过第三参数解释先期降雨的 preparatory role 允许识别无关暴雨并过滤传统I-D方法通常产生的许多误报。
沿相同概念线进一步，另一系列方法尝试直接纳入土壤含水量、土壤饱和度或土壤体积含水量，从而定义 hydro-meteorological thresholds ，其中降雨的 preparatory role 直接由量化其土壤中水文效应的指标解释。
3.1.2 数据驱动与机器学习方法
基于可用技术的有效性日益增强和不同方法的 hybridization ，经验滑坡预测的最新趋势是使用机器学习处理更完整的输入参数集，包括同时使用的广泛降雨指标范围（克服传统限制仅选择两三个）。这种方法允许测试和纳入多个指标以解释降雨的 preparatory role 。例如，Ng等（2021）将多个机器学习模型仅应用于具有相关短历时和先期降雨的暴雨型滑坡编目。类似地，Liu等（2021）使用与同一暴雨 trigger event 相关的滑坡编目进行各种机器学习模型的应用。Stanley等（2021）将积雪水当量和土壤含水量数据作为动态输入参数加入 eXtreme Gradient Boosting model ，通过在空间和时间上选择它们来表示滑坡不发生区域。Distefano等（2022）使用人工神经网络自动识别具有更高预测能力的强度-历时降雨阈值。Nocentini等（2023, 2024a, 2024b）在意大利和挪威两个非常不同的试验点工作，纳入1天至30天历时的降雨记录，发现这种方法允许解释先期降雨的 preparatory effect 。此外，令人惊讶的是，他们发现由年份月份组成的简单分类变量若与其他变量一起使用具有良好预测能力。尽管结合静态和动态参数在机器学习算法中的滑坡时空预测仍处于初步阶段，但引用的系列研究清楚显示，即使对于浅层快速滑坡，降雨的 preparatory role 也可能是相关的，且可通过复杂数据驱动模型更好考虑。
在滑坡易发性研究中，传统上基于 predisposing factor 分析，基于降雨的指标最近也被纳入越来越多的工作。这一近期进展旨在隐式或显式解释降雨的 preparatory role ，此前被认为表征研究区域的一般气候或特殊微气候。传统上，滑坡易发性研究从未显式考虑降雨的 preparatory role 。充其量，它可被认为某种程度上隐式包含在某些量化每个空间单元向土壤中持水倾向的水文指标中。这些指标中最常用的是地形湿度指数（Topographic Wetness Index）、上坡汇水面积和平面曲率（指示地表和地下流的汇聚或发散）。值得注意的是，在浅层滑坡易发性评估完成且每个输入参数重要性被定量评价的大多数工作中，上述水文因子被排名为最重要的之一。这一结果清楚表明，地形特征结合降雨在准备浅层滑坡中起关键作用。一些研究则使用年平均降水来表征研究区域的气候。该指数的空间变化突出了可能与降雨 new preparatory effect 相关的微气候差异。然而，在持续全球变暖和降水趋势变化的背景下，多位作者识别出滑坡活动的 shift ，从而 highlighting the necessity of considering rainfall anomalies rather than rainfall regimes characterized with data pertaining to decades ago 。
因此，最近越来越多研究人员使用复合降雨指标来表征降雨异常而非严格意义上的降雨量。例如，Catani等（2013）使用不同历时和强度降雨的重现期，特别使用短历时和高强度组合解释浅层快速运动的影响，以及长历时至低强度组合解释深层滑坡；他们还发现这些因素具有高预测能力。Marc等（2019）使用10年重现时间降雨异常表征风暴诱发滑坡的空间模式。更近的，Caleca等（2024）使用降雨异常指标（定义为事件降雨与年平均降水的比值），证明该指标的空间变化对滑坡易发性有强烈影响。
3.1.3 基于物理的方法：土壤含水量监测
土壤含水量与强降雨密切相关。例如，虽然平均温度升高和降水减少可能导致平均体积含水量（Volumetric Water Content, VWC）降低，但降雨强度的增加可能导致VWC突然增加频率更高。值得注意的是，极端温度和降水减少对地面的影响也可能导致相反结果。长期干旱期可能形成低渗透性表面结壳，增加径流并减少有效入渗，使达到关键土壤含水量水平更困难。相反，干旱事件也可能导致土壤裂缝，可增强有效入渗。
快速浅层滑坡通常发生在薄层、颗粒状、部分饱和的土壤层休息在陡倾基岩上时，由于降雨事件或融雪后水分垂直入渗导致含水量变化，其饱和度增加。随着土壤含水量增加，吸力减小，导致粘聚力和抗剪强度降低。当土壤饱和时，在覆盖层内产生临时地下水位，由渗透性较低的底层支撑，增加孔隙压力，削弱土壤结构并使坡体失稳。关键土壤含水量可通过 intense 或 prolonged rainfall 达到，取决于先期降雨、入渗率和土壤 pre-existing moisture condition 。如果剪力超过抗剪强度，破坏面在土壤层内或基岩-土壤界面形成，导致其向下滑动。
坡面水文学在降雨诱发滑坡中的重要性已获得关注，导致用相同时期平均土壤饱和度替代先期降雨。Ponziani等（2012）识别了降雨阈值与初始土壤含水量条件之间的线性关系，相关系数达0.60。他们的研究提出了通过将降雨阈值与校准和局部测试的土壤水分平衡模型估算的土壤含水量相结合进行滑坡预警的程序。Mirus等（2018）展示了将土壤饱和度数据纳入滑坡预测模型的优势。对于美国华盛顿州西雅图地区，他们发现用平均土壤饱和度替代15天先期降雨显著提高了已建立仅基于降雨阈值的准确性，这些阈值也使用3天近期降雨数据。类似地，Marino等（2020）强调了将土壤含水量信息纳入 hydro-meteorological thresholds 的潜力，指出此类数据正通过遥感日益 accessible 。
土壤含水量数据正通过从地面监测到遥感技术的各种监测系统日益可用。 in-situ monitoring 涉及将传感器直接安装在地面以测量不同深度的体积含水量或基质吸力。尽管此类系统昂贵且空间覆盖有限，但提供连续、实时的数据，对理解局部水分动态极有价值。遥感技术如卫星系统（如SMAP、Sentinel-1）提供更广阔的空间覆盖，可在大面积上估算表面土壤含水量。这些系统使用微波辐射测量和雷达探测浅层土壤含水量，通常达5 cm深度。遥感提供有价值的区域数据，但深层土壤层的数据分辨率和准确性挑战仍然存在。地面监测提供更高精度，常用于校准遥感数据。结合两种方法以及水文模型的综合监测网络可提供更全面的土壤含水量空间数据，有助于改善滑坡早期预警系统以及长期灾害情景。
3.2 快速滑坡中降雨作为 triggering 因子
降雨被广泛认可为滑坡最常见的原因。高强度短时降雨主要触发浅层土壤滑落和流状滑坡。浅层滑坡常在强降雨事件中因孔隙压力快速增加或部分饱和导致的表观粘聚力丧失而启动。影响浅层滑坡发生和分布的因素可大致分为两类：almost-static variable 和 dynamic variable 。almost-static variable 包括土壤性质、基岩渗流和地形特征，定义坡体固有的破坏倾向并决定滑坡易发性空间分布。相比之下，dynamic 或 transitory variable ，如土壤饱和度以及受根系或部分饱和度影响的粘聚力，主要控制 predisposed 坡体上的滑坡启动。
3.2.1 经验方法
降雨强度、降雨历时与坡面不稳定性之间的经验关系已被广泛记录。经验降雨阈值通过研究触发滑坡的降雨事件定义。这些阈值通常通过绘制导致滑坡的降雨条件在笛卡尔、半对数或对数尺度上并绘制下界线建立。根据调查区域，滑坡启动的经验阈值可松散定义为 global 、 national 或 regional 。 global threshold 试图建立一般（"通用"）最低水平，低于此水平滑坡不发生，独立于局部形态、岩性和土地利用条件以及局部或区域降雨模式和历史。统计方法也被用于定义国家和区域层面的经验降雨阈值。例如，Brunetti等（2010）通过采用两种独立统计方法（Bayesian inference method 和 Frequentist approach ）为意大利和全国以及阿布鲁佐大区提出了新的 national thresholds 和 regional thresholds 。Martelloni等（2012）使用单一参数（以标准差表示的累积降雨异常相对于历史平均值）为意大利艾米利亚-罗马涅大区定义统计降雨阈值。
3.2.2 基于物理的方法
浅层滑坡的基于物理的分析方法通常结合水文模型与无限坡稳定性分析。这些方法通常使用两个模块：一个预测降雨引起的孔隙水压力变化（如TOPMODEL、TOPOG），另一个评估坡体稳定性（如Level I Stability Analysis LISA），或耦合或非耦合。首批简化模型结合坡体稳定性分析（通常考虑无限坡模型方法）与 steady-state shallow subsurface flow model （如SINMAP、SHALSTAB）、浅层地下水模型（如dSLAM）或 transient infiltration model （如TRIGRS、HIRESS）。这些最后模型通常基于Richards方程（1931）的解析解，首先由Iverson（2000）实施。随后，开发了在饱和和非饱和条件下求解三维Richards方程并结合坡体稳定性分析的模型（如GEOtop-FS、InHM），以模拟复杂地形条件下（如Formetta等，2016）、土壤地层已知时（如Tufano等，2021）或明确定义的基岩位置处（如Simoni等，2008；Formetta等，2014）的 transient infiltration process 。
Capparelli和Versace（2011）引入了一种预测临界降雨的基于物理的方法，开发了 Saturated Unsaturated Simulation for Hillslope Instability（SUSHI）代码。这些基础研究之后，全球努力在区域和流域尺度上 refined physics-based rainfall thresholds 。大多数这些应用采用无限坡模型和 Limit Equilibrium Method（LEM）计算安全系数（Safety Factor, SF）。特定地点分析也提供了宝贵见解。例如，De Vita等（2013）通过研究覆盖维苏威火山坡面的火山灰降落沉积物，评估了季节变化对水力阈值的影响。该研究强调了先期水文条件在定义坡体不稳定降雨阈值中的关键作用。其他特定地点应用，如Napolitano等（2016）和Fusco等（2019），关注了意大利南部易发流状滑坡区域。
近期，一种新的开源基于物理的降雨诱发浅层滑坡空间预测模型（Spatial Prediction of Rainfall-Induced Shallow Landslides, SPRIn-SL; Raimondi等，2022）被开发并测试，该模型实施无限坡方法，结合TOPOG和Green-Ampt模型分别考虑地下水流和 transient rainfall infiltration 。在坡面尺度，更复杂的基于物理的模型已出现，通过考虑蒸腾将植被动态整合到水文模型中（如Guglielmi等，2023；Rianna等，2023）。这些耦合的水热模型已使用广泛的岩土数据和全面的现场监测进行验证。
Pirone等（2025）提出了一种新的离线早期预警程序，结合多因子降雨阈值和现场吸力监测。作者开发了特定地点的多因子降雨阈值，整合平均降雨强度、降雨历时和先期吸力。该方法采用基于物理的模型，以小时现场吸力和含水量测量进行校准，随后对历史滑坡发生进行验证。然而，这种确定性模型在实际应用方面，尤其是早期预警系统方面，仍限于特定研究，由于时间投入和数据需求。基于物理的阈值的主要局限性与确定性方法的最重要缺点相关：（i）需要大量岩土、力学和水文参数进行模型模拟；（ii）重建边界条件，以 best way 代表真实土壤和坡体行为。
3.3 降雨在慢速滑坡中的作用：preparatory 还是 triggering ？
慢速滑坡运动通常与 intense and prolonged precipitation 相关。含水量无疑是坡面运动中最有影响力的因素。这些慢速破坏可在降雨事件开始后数天至数月内加速，在干旱期减速最终停止。极端降雨导致的坡体材料驱动力与抗剪强度之间的不平衡触发运动。这是因为孔隙水压力增加导致有效应力降低，从而土壤抗剪强度降低。根据Berntson和Saèllfors（1984）、Kenney和Lau（1984）以及Vaughan（1994），地下水位水平的季节波动可在5至10 m深度范围内引起孔隙压力变化。对于慢速滑坡，必须考虑 infiltration 、深层地下水循环模式以及由此产生的静水压力和/或孔隙水压力增加等过程——在激活前长期积累。破坏条件由所有这些因素的唯一组合产生，仅凭降雨无法预测坡体系统状态。
然而，区分降水的 preparatory 和 triggering 作用往往具有挑战性。通常，滑坡对降雨的最小响应时间与深度的平方成正比（通常近似饱和厚度），与 hydraulic diffusivity 成反比。更深的滑坡通常表现更复杂的行为，需要更多时间达到平衡条件。多项研究致力于理解这种响应并定义降雨与滑坡运动学之间的复杂关系。Vallet等（2016）指出，尽管深层滑坡的 destabilization 主要由降雨 trigger（short-term component）控制，特定地点的时间依赖因素（long-term components），如蠕变变形或坡体地下水水力连通性的改变，也可能显著。
因此，文献中尚未提出 general threshold 。相反，可识别三种主要研究类型：第一组旨在定义几天或累积降雨的局部窗口以确定特定地点降水阈值；第二组 focuses on understanding the role of local groundwater recharge ；第三组提出基于物理的模型以调查水文影响对坡体稳定性的影响。
3.3.1 累积降雨阈值分析
Van Asch等（1999）认为单日降雨对深层滑坡影响不显著，而Bonnard和Noverraz（2001）以及Trigo等（2005）指出此类运动通常由数周或数月内发生的多场中等强度风暴驱动。Doglioni等（2011）分析了与卡拉布里亚Maierato滑坡再活化相关的降水趋势。通过检查滑坡前5、10、15、20、30、45和60天的累积降雨高度，作者识别了一种特殊的降雨序列：连续但不强烈的长期降雨期，导致累积降雨的异常高重现期，最大达105年。Martelloni等（2012）建议滑坡含水层的水动力响应受先期降雨（ translate 。Azanón等（2010）证明，对于研究的滑坡（即西班牙东南部的Riogordo和Diezma滑坡）， trigger 是两年年降雨高于平均值后发生的强降雨事件。然而，如果Riogordo滑坡上强降雨与坡面破坏之间的关系已明确确立，Diezma滑坡在强降雨峰值后20天才发生，可能是由于Diezma地区水文地质行为的影响。Fiolleau等（2023）将旧金山湾区滑坡再活化与7个月干旱后约220 mm/30 h的强降雨事件联系起来，通过分析秋夏季节水位、土壤温度、土壤位移、地震波速度及其相关系数的变化。
3.3.2 地下水补给分析
滑坡材料内饱和度水平的波动，尤其是松散土壤和风化地层，加剧了坡体材料上的应力。这些过程有助于坡体驱动力超过材料抗剪强度，从而触发滑坡。Confuorto等（2017）发现了Papanice滑坡（意大利南部）水位与加速和减速之间的明显相关性，比较了水位和降雨数据与2013年11月11日至12月4日雨季期间使用Coherent Pixel Technique-Temporal Sublook Coherence（CPT-TSC）算法得到的位移时间序列。Lissak等（2014）也尝试利用长期连续单点时间序列和较短但空间分布更广的测压信息开发临界孔隙压力阈值。作者为法国诺曼底海岸发生的滑坡定义了两个孔隙压力阈值：第一个基于现场调查（短期/高分辨率），针对3.50 m深度的中等滑坡；第二个基于历史数据（长期/低分辨率），针对-10.35 m深度的大型滑坡。其他作者也关注了与降雨入渗相关的地下水波动与滑坡反复加速之间的相关性。Pepe等（2021）分析了Mendatica滑坡（意大利利古里亚）自动深排水系统在5天极端降雨事件（累积降雨800.4 mm）期间的效率。结果显示，尽管Mendatica滑坡受到过去75年记录最严重多日（5-6天）降雨事件的影响，排水系统成功降低了局部含水层，防止了滑坡再活化。Martelloni等（2012）为开发区域尺度滑坡预警系统，开发了基于降雨记录与统计定义阈值比较的算法原型，使用单一参数（累积降雨）。基于艾米利亚-罗马涅地区的滑坡编目，作者提出长达240天的可变时间间隔累积降雨作为低渗透性地层深层滑坡活化的阈值。Banfi和De Michele（2024）尝试定义意大利全境降水聚类的时空特征与滑坡发生之间的相关性，并最终将其与北大西洋涛动（North Atlantic Oscillation, NAO）和地中海振荡指数（Mediterranean Oscillation Index, MOI）相关联。
3.3.3 基于物理的模型
在基于物理的模型领域，近期科学文献强调坡面-植被-大气相互作用对滑坡活动的影响，有证据表明这些效应可能延伸到天然粘土坡面的显著深度。意大利南部亚平宁山脉以裂隙粘土组成的坡面为例，提供了大量气候诱发深层滑坡机制的实例。滑坡活动与土壤-植被-大气相互作用产生的水力-力学过程之间的相互作用，通过非耦合和耦合的二维水力-力学有限元分析进行探索。Pedone等（2018）证明了2个月和6个月累积净降雨分别作为5 m和20 m深度滑坡体有效气候阈值变量的作用。然而，尽管活跃坡面运动监测和分析取得了进展，但由于众多现象的相互作用，孔隙压力体制及其与坡面运动的关系仍高度复杂。特定而言，土壤低渗透性和运动引起的非均匀应变和应力状态常导致 excess pore pressures 的发展，这增加了雨水入渗引起的效应。Comegna等（2007）通过耦合水力-力学数值分析证明，与泥流体的 local mobilization 相关的任何内部应力重分布都可诱导过剩孔隙压力和随后的滑坡变形。运动和相关的变形现象之间的相互作用导致土壤性质的持续改变，从而影响坡体的水文和力学响应。Comegna等（2020）基于意大利南部Basento Valley长期调查的慢速活跃泥流数据， highlighted the critical role of the shear zone in influencing the groundwater regime 。
在某些情况下，即使是轻微坡面变形也会因裂缝张开、裂隙闭合或可渗透层堵塞而显著改变孔隙水压力体制。这一问题对刚性粘土、泥质岩石或粘土质 flysch deposit 尤为重要，这些地层由于不连续网络以及短距离内材料性质的变化而表现出水力传导率的急剧空间变化。这些特征使地下水体制建模——尤其是降雨效应——成为具有挑战性的任务。技术文献日益关注这一主题，强调裂隙、裂缝和不连续性的作用。
4 其他灾害与降雨的组合
4.1 野火发生
野火代表日益普遍的现象，显著改变土壤的水力-力学性质，创造增强浅层滑坡和泥石流等自然不稳定性的条件。气候变化、土地管理和使用方式的改变以及可燃物质积累促使野火频率和严重程度增加。火的热效应导致土壤化学、物理和生物变化，其中根系系统受影响最大。植被通过其根系为土壤提供粘聚力，从而稳定坡面。然而，野火以不同程度降解根系，取决于热渗透深度和达到的温度等因素。
野火后，土壤和土地覆盖立即受到影响。然而，热改变通常局限于不到10 cm的极薄表层。野火对坡面的影响中，显著后果包括土壤斥水性变化、水力传导率降低、潜在疏水层形成、土壤结构退化和灰分渗入土壤孔隙。这些现象源于土壤组成、固有土壤性质与燃烧期间发展的热制度之间的相互作用。DeBano（2000）综述了火致斥水性的实验和现场证据，报道175°C以下影响可忽略，175-200°C之间形成强烈斥水性，280-400°C范围内亲水性破坏。然而，其他研究表明加热持续时间也影响这些趋势。
除野火的热力-水文后果外，土壤力学强度可能显著受损。评估土壤-根系系统强度的实验测试显示，尽管材料有差异，摩擦角几乎没有或变化很小，但粘聚力大幅降低。根系腐烂和树木死亡逐渐减弱土壤加固，效应持续较长时间。野火后土壤恢复轨迹和后火灾害易发性演变的数据仍然有限。鉴于当前气候变化和野火频率增加的背景下，推进研究以增强对后火灾害的理解、预防和预测既是科学需要也是社会经济优先事项。
4.2 植被变化（自然和人为）
由降雨驱动的坡面不稳定过程可能受植被覆盖存在的显著影响，尤其在易发快速质量运动（如浅层滑坡）的丘陵和山区环境中。植被通过增加沿坡面作用的抵抗力来促进坡面稳定，这一作用已得到广泛认可。这些机制中，机械根系加固通常被认为最重要。植物根系提供的加固可根据根系直径和空间密度分为两方面。一方面，单个大直径（>2 mm）木质根在不同方向穿透土壤层以到达更硬、更抵抗的土壤层或下伏基岩，从而作为基底或侧向土壤锚固系统利用根系抗拉强度。另一方面，生长于土壤颗粒间的细根（直径<2 mm）密集网络产生更紧凑的聚集体，形成更高的整体粘聚力。
相反，植被的水文加固功能主要归因于有助于减少 vadose zone 土壤含水量的过程，从而 counteracting 孔隙水压力的负面作用。这些包括植物冠层的截留作用，减少到达地面的有效降雨量，结合蒸腾过程使土壤脱饱和并发展吸力，从而增加土壤抗剪强度并增强坡面稳定性。根系吸水影响土壤持水能力，使植被土壤比裸露土壤达到更干燥状态，从而增大湿干条件对比，实现更大的水储存同时防止关键不稳定水文阈值的出现。根系对饱和和非饱和水力传导率施加复杂且可变的影响，通过改变土壤结构、孔隙尺寸分布及其连通性。
然而，植被相关水力-力学功能对坡面稳定性的有益贡献可能 запросто 受自然（如虫害、疾病、野火）和人为（如 deforestation 、 timber harvesting 、土地利用和土地覆盖（Land Use and Land Cover, LULC）变化）原因的负面影响。植被退化对坡面稳定性最常被记录的负面影响是伐木后根系强度的逐渐衰减。根系腐烂通常伴随着土壤管道的形成，可作为地面入渗雨水的 preferential flow circuit ，导致孔隙水压力增加，尤其在强降雨事件期间。多项实验和建模研究揭示了植物移除后根系加固减少的一致时间模式，表明砍伐后约15-20年根系几乎完全退化，最高衰减率出现在10年左右。这导致滑坡规模和强度同时增加（2至10倍），直到植被覆盖完全重建、采伐前条件恢复。类似时间模式的降雨诱发质量运动严重程度也出现在农田废弃后的丘陵-山地坡面上。例如，Brandolini等（2018）建议，在梯田景观中，从停止农耕活动到自然植被相当扩散（<25-30年）之间的时期可能代表最危险的场景。
这些发现凸显了植被变化对降雨诱发浅层滑坡发生的效应的显著时间依赖性，强调其 preparatory role 。因此，正如一些作者所主张的，为了获取可靠的未来滑坡灾害和风险情景，在坡面稳定性建模中实施植被水力-力学效应的动态作用将极其重要。近期其他研究表明，地中海景观中野火驱动的植被变化可通过多标准、基于景观的方法有效分析。Ischia岛的FIRE project 是引人注目的例子，整合地貌、生态和 LULC 因素来建模空间野火风险情景。
4.3 地震与降雨
地震地面运动与其他 destabilizing factor （如降雨导致的土壤饱和）的同时发生，在评估滑坡灾害及其对居民区和基础设施的相关风险方面发挥关键作用。近期研究进一步强调降雨-地震相互作用可能在演变气候条件下加剧。研究表明，非平稳降雨与地震摇晃结合时，可显著增加长期滑坡概率，而气候驱动的海平面上升和极端天气可改变地壳应力条件，可能放大地震诱发滑坡等 cascading hazard 。Martino等（2022）对2018年8月意大利中部莫利塞地区5.1 Mw地震后流域尺度滑坡活动变化进行了全面的定量分析。该研究结合了直接野外观测与三年期间的差分合成孔径雷达干涉测量（Differential SAR Interferometry, DInSAR）分析，跨越地震前两年和震后一年。该方法在滑坡高易发性区域识别了首次和再活化滑坡，这些区域以泥灰岩和 flysch 等岩性为特征。发现揭示了地震后影响的坡体与季节性降雨相互作用，触发的滑坡数量显著多于前几年相似降雨条件下的数量。值得注意的是，低震级地震后一年内，再活化事件数量增加了约118%。这种活动增加在首次和再活化滑坡中均有观察到，表现为非活动期缩短和活动持续期延长。
5 讨论
前述章节综述了降雨在慢速和快速浅层滑坡准备和触发中作用的当前知识。这一全面的现状综述为将不同气候变化情景下的预测气候数据整合到运营建模工具链中提供了基础。在此过程中，研究目标扩展到开发一个集成的全国尺度框架，用于分析降雨对滑坡动力学的影响，可扩展至多种案例研究。
5.1 气候信息
鉴于验证观测数据集在时间和空间上的广泛可用性是任何影响研究不可或缺的前提，气候模式仍可为近期过去以及未来情景的气候变量提供洞察。特别是，再分析产品通过观测数据同化过程，能够合理忠实地重建过去几十年的天气和气候状况。除了这些，还有称为"hindcast"的产品，基于再分析本身的动态降尺度，通过模拟最 resolved 尺度的物理现象而非简单插值来局部提高数据分辨率。
模式研究表明地中海区域为气候变化热点，易发生 local scale 和 severe weather 的影响。由于复杂形态（半封闭盆地，周围高而复杂），地中海区域和意大利领土需要依赖高分辨率信息来应对和管理当前和未来气候的天气极端影响。在滑坡应用最相关的 climatic variable 中，降水无疑是最关键的，其他地表变量如温度、湿度和土壤含水量也很重要。
在RETURN项目框架内，多项活动产生了新的 convection-permitting 尺度气候模式运行。对意大利（包括欧洲大部分地区）完成了3 km和1 h尺度的新的对流允许模式运行，由ICTP-Trieste实施，受EC-Earth3-Veg GCM驱动，根据CMIP6情景。还进行了CMIP6全球气候投影到地中海和意大利区域地方尺度的区域降尺度，旨在产生高分辨率气候信息以评估气候变化信号，重点关注降水极端事件。
5.2 建模降雨在滑坡准备和触发中作用的工具链框架
运营工具链被定义为计算和分析工具序列，旨在产生与特定类型准备过程和触发作用相关的地面不稳定性效应情景，具有给定强度。
基于利用现有知识的原则，作者首先聚焦于识别和合理化构建这些逻辑-运营分析流有用的计算工具，根据各种标准表征每个运营工具并初步设计其相互连接。由此产生的工具链专门解决意大利山地和丘陵环境中常见的降雨诱发浅层滑坡。它们旨在建模和模拟降雨在坡面破坏准备（时间依赖过程）和触发（瞬态过程）中的作用。因此，用于易发性或 predisposing factor 分析的工具（如SZplugin）和为 run-out modelling 开发的工具（如QPROTO、STONE、RASH3D）未纳入当前框架。
编制的工具链可解决意大利山地和丘陵环境中以下常见浅层滑坡类型，详细程度各不相同：快速运动现象包括 rockfalls/topples 和 debris/mud flows ；慢速运动现象包括浅层 planar slides 和 roto-translational landslides 。
5.2.1 准备条件评估工具
TOPMODEL（TOPography-based hydrological MODEL）源自Beven等（1995）的开创性工作。其核心概念是地形指数，定义为上游汇水面积与局部坡角的比值。该指数提供水文相似性的度量，假设具有相等值的地点对降雨和地下水动态有 comparable 的响应。指数值较高的区域预期首先饱和，从而更容易产生地表和地下径流。
5.2.2 触发效应评估工具
e-ITALICA-CTRL-T：经验降雨阈值方法是评估降雨触发坡面不稳定性的关键方法论工具，因其提供适用于不同滑坡运动学的统一框架。特别是，e-ITALICA（enhanced ITAlian rainfall-induced LandslIdes CAtalogue; Brunetti等，2025）是综合性的意大利滑坡目录，记录了1996至2021年间的6312起降雨诱发滑坡。这些事件最初列于ITALICA目录（Peruccacci等，2023），现 enhanced 其降雨触发条件的详细信息，以降雨历时D（小时）和累积事件降雨E（mm）表示。为处理这些数据，应用了CTRL-T工具（Calculation of Thresholds for Rainfall-induced Landslides–Tool; Melillo等，2018）。该工具以R开发，自动从标准降雨序列和滑坡记录重建降雨事件，识别导致坡面破坏的多种降雨条件，并为不同 non-exceedance probability 定义 frequentist rainfall thresholds 。该工具进一步纳入机器学习算法，通过将滑坡的时空发生与其触发降雨相关联来优化经验降雨阈值。
R2SLOPE：R2SLOPE工具（Rollo和Rampello，2023）是基于GIS的概率模型，用于区域评估坡面稳定性 under both rainfall and seismic forcing 。对于降雨诱发浅层土壤滑坡，它将水文框架（TOPMODEL）与无限坡稳定性方程耦合，模拟入渗如何升高孔隙水压力并降低安全系数，允许将不同降雨情景转化为破坏概率。
滑动-固结模型（Sliding-Consolidation Model）：该模型（Rollo和Buscarnera，2023）是用于估算由孔隙水压力变化（尤其是降雨引起的）导致坡面变形的 hydro-mechanical framework 。它旨在 capture 入渗驱动的孔隙压力累积、固结过程和基底剪切带内剪切变形之间的复杂相互作用，从而提供将水文强迫转化为变形速度和浅层破坏向快速或慢速滑坡演变潜力的机制性理解。
PARSIFAL：PARSIFAL（Probabilistic Approach to pRovide Scenarios of earthquake-Induced slope FAiLures）框架是用于预测地震加载下、在预设坡体水力条件下与 rock-block instabilities（平面、楔体和倾倒破坏）和浅层 translational soil slides 相关的坡面破坏情景的综合计算工具。分析遵循逐步程序，就首次破坏而言可概括为：（i）不同水力状态下静态稳定性条件的评估；（ii）给定PGA值和水力条件下的临界加速度系数（Ky）定义和伪静态稳定性分析；（iii）使用伪动态方法估算同震位移方法和相关给定临界位移阈值的超越概率。
r.slopestability：r.slopestability是空间分布的基于物理的滑坡易发性分析模型。它是开源的，由Mergili等（2014）开发，作为GRASS GIS软件包的C和Python基于栅格的模块。其应用范围从浅层土壤滑落到深层滑坡 in geologically complex areas ，适用于包括数十至数百平方公里或更大的大面积，更适当地解释控制参数的自然变异性。
5.3 虚拟试验床工具链验证
虚拟试验床（VTB）环境提供集成分析环境，用于在变化气候条件下模拟多灾害和多风险情景。在该框架内，前述选定建模工具链已应用于评估不同灾害过程如何相互作用并影响 synthetic territorial settings 。定义了两个代表性的虚拟域——"内陆"（Inland）和"沿海"（Coastal）环境，以探索地貌系统和建设区域对灾害事件序列的响应。
本研究模拟了两种环境下不同降雨体制下的浅层滑坡情景。这些模拟允许在受控但具有地貌真实性的背景下测试工具链，支持其在不同气候强迫下的性能评估。扩展结果和全分辨率输出公开可在Zenodo获取。
5.3.1 降水建模
本研究利用两种极端不同的历时/重现期降雨设置：100年和2年重现期的1小时降水极端值，用于历史条件和世纪末气候投影。分析整合了公里尺度CPMs与SMEV（Simplified Metastatistical Extreme Value）框架。模型方法建立在Marani及其合作者引入的 metastatistical extreme value theory 基础上，并由Marra等（2019, 2020）进一步发展为实用的水文气象应用。SMEV建模所有普通降雨事件的分布，而非仅依赖年最大值或阈值超越，使其非常适合相对较短但信息密集的CPM输出。
5.3.2 滑坡情景
结果显示，对于100年重现期，两种不同气候情景未显示最坏未来情景下滑坡面积的显著增加，因为给定极长重现期，历史条件下也预测到相当严重的滑坡情景。使用2年重现期的结果同样未显示最坏未来情景下滑坡面积的显著增加。这种意外结果可能受降雨和其他输入参数（主要与土壤性质相关）数据的不同空间和时间分辨率及不确定性的偏差影响。因此，结果暗示需要对工具链相对于输入参数进行更深入的敏感性分析。此外，通过分析气候模型（历史和世纪末投影）获得的土壤含水量数据来深化降雨准备作用的分析，尽管这些估算存在不确定性，将非常有用，以获得也考虑土壤含水量（更重要的是其历史和未来条件之间的变化，而非绝对值）的影响情景。这将使研究人员能够优化工具链正常运作的参数配置。
