类型a
研究的主要作者、机构及发表信息
这篇研究由Davide Danilo Chiarelli（通讯作者）、Mattia Galizzi、Daniele Bocchiola、Renzo Rosso和Maria Cristina Rulli共同完成，他们均来自意大利米兰理工大学（Politecnico di Milano）。该研究于2023年发表在《Science of the Total Environment》期刊上。
研究背景与意义
本研究属于环境科学与地质灾害领域，主要探讨了雪融对浅层滑坡（Shallow Landslides, SLs）的影响。浅层滑坡是一种常见的自然灾害，通常发生在山区，涉及地表5至10米深度的土壤层。由于其快速性和破坏性，浅层滑坡在全球范围内造成了大量的人员伤亡和财产损失。尽管已有大量模型用于研究降雨对浅层滑坡的触发机制，但雪融对滑坡影响的研究相对较少。然而，在中高纬度地区，如意大利阿尔卑斯山区，春季和夏季的雪融可能会显著增加滑坡风险。因此，本研究旨在开发一种新的物理模型，综合考虑降雨和雪融对浅层滑坡的触发作用，以更准确地预测滑坡风险。
研究方法与实验设计
本研究包括以下几个主要步骤：
研究区域选择与数据收集
研究区域为意大利阿尔卑斯山塔尔塔诺河流域（Tartano Valley），该流域海拔范围为250至2550米，具有典型的高山大陆性气候。研究团队从区域气象站获取了2011年至2018年的气象数据，包括日降水量、积雪深度和温度，并通过时间降尺度技术将其转化为小时分辨率数据。此外，还利用数字高程模型（Digital Elevation Model, DEM）生成了5米分辨率的地形数据。
模型开发与改进
研究团队基于Rosso等人（2006）提出的物理模型进行了改进，增加了雪融过程的模拟模块。新模型结合了降水强度和持续时间以及雪融对土壤湿度的影响，通过无限斜坡模型（Infinite Slope Model）评估斜坡稳定性。模型中的关键参数包括土壤孔隙率、饱和度、剪切阻力角等，这些参数通过敏感性分析进行了优化。雪融过程采用热指数法建模，使用公式 ( m = a(T - T_0) ) 计算融化速率，其中 ( a ) 为融化因子，( T ) 和 ( T_0 ) 分别为当前气温和阈值气温。
情景模拟与数据分析
研究设置了两种情景进行模拟：情景S1仅考虑降雨，情景S2同时考虑降雨和雪融（称为“降雨-雪融”情景）。通过连续模拟和强度-持续时间-频率（IDF/IMDF）曲线分析，研究团队评估了不同情景下的滑坡易发区域及其时空分布特征。此外，研究还对模型结果进行了验证，使用意大利国家滑坡清单（IFFI）中的历史滑坡数据作为参考。
主要研究结果
1. 模型验证结果
模型预测的不稳定区域与IFFI清单中的历史滑坡记录具有较高的空间一致性，灵敏度指标（SE）为84%，特异性指标（SP）为60%。这表明模型能够较好地捕捉到潜在的滑坡区域，但预测的不稳定区域略大于实际记录。
雪融对滑坡触发的影响
在情景S1中，约19%的流域面积被预测为易发生浅层滑坡；而在情景S2中，这一比例增加至26%。特别是在海拔1500至2000米的区域，雪融导致的土壤湿度变化显著提高了滑坡风险。研究还发现，雪融使得滑坡高发期从秋季提前至春季，尤其是在4月至5月期间。
强度-持续时间-频率曲线分析
研究团队计算了不同海拔带的IDF和IMDF曲线，发现加入雪融后，极端事件的水深预测值增加了7%左右。这种差异在最长持续时间（如24小时）下尤为明显。
研究结论与意义
本研究通过开发一种新的物理模型，成功揭示了雪融对浅层滑坡触发的重要作用。研究结果表明，雪融不仅增加了滑坡易发区域的比例，还显著改变了滑坡的时空分布特征。这一发现对于高海拔地区的滑坡风险管理具有重要意义，尤其是在春季晴朗无雨的条件下，雪融仍可能引发滑坡。此外，研究提供的易发区域地图可为土地利用规划、基础设施建设和社区防灾减灾提供科学依据。
研究亮点
1. 首次将雪融过程纳入浅层滑坡触发的物理模型中，填补了相关研究的空白。
2. 提出了改进的强度-持续时间-频率曲线（IMDF），为滑坡设计提供了更精确的工具。
3. 揭示了雪融对滑坡触发的时间提前效应，强调了春季滑坡风险的重要性。
其他有价值的内容
研究团队指出，未来气候变化可能导致更频繁的极端降水和更快的雪融，从而进一步加剧滑坡风险。因此，结合结构措施（如建设防护工程）和非结构措施（如应急管理系统）将是降低滑坡风险的关键策略。此外，研究还提出了模型的局限性，例如未充分考虑降水对积雪包的影响，这为未来研究指明了方向。