Рекомендации по количественному анализу оползневых рисков. Часть 3

ИСХОДНЫЕ ДАННЫЕ ДЛЯ АНАЛИЗА ОПОЛЗНЕВЫХ РИСКОВ

В этом разделе рассматриваются исходные данные, необходимые для оценки предрасположенности территорий к оползням, оползневых опасностей и рисков. С учетом огромного количества публикаций по этой теме здесь приводится краткое описание параметров, которые больше всего подходят для анализа возникновения и потенциала оползневых явлений с различными механизмами (камнепадов, неглубоких оползней, потоков обломочного материала, медленно движущихся крупных оползней).

Основные слои/уровни данных, необходимые для анализа предрасположенности территорий к оползням, оползневых опасностей и рисков, можно разделить на четыре группы: данные по инвентаризации оползней; факторы окружающей среды; инициирующие (триггерные) факторы; объекты, подверженные риску [34; 36]. Из них наиболее важной является инвентаризация оползней, поскольку она дает представление о местоположении участков прошлых оползневых событий, а также о соответствующих механизмах разрушения склонов, причинах, частоте возникновения и объемах оползней, а также о нанесенном ими ущербе.

Параметры, влияющие на оползневые события

Возникновение, величина, частота и повторяемость перемещений грунтовых масс контролируются большим количеством факторов, которые можно подразделить на внутренние (обусловливающие, предрасполагающие) факторы, которые способствуют нестабильности склона, и инициирующие (провоцирующие, триггерные) факторы, которые фактически вызывают событие. Вид и вес/весомость каждого фактора зависят от условий окружающей среды (например, от климатических условий, рельефа, геологических условий, геоморфологической эволюции и соответствующих процессов) и также могут существенно варьировать в пределах рассматриваемой территории даже из-за небольших различий в условиях местности (например, в свойствах и мощности дисперсных грунтов, гидрогеологических условиях, плотности и ориентации разрывов сплошности в грунтовых массивах, рельефе). Разные комбинации факторов могут приводить к разным видам оползней в пределах одной и той же территории.

Недавний (на момент написания статьи в 2014 году. – Ред.) обзор оползневых механизмов и триггеров представлен статье [37]. В ней приводится подробное описание различных инициирующих факторов, таких как атмосферные осадки и изменения в гидрологии подземных вод, изменения геометрии склонов из-за выемки грунта или эрозии, землетрясения и связанные с ними динамические воздействия, таяние снегов и деградация многолетней мерзлоты, дегляциация и связанные с ней процессы в парагляциальной (водно-ледниковой) среде, выветривание скальных или дисперсных грунтов и связанная с ним деградация склонов, вулканические процессы и деятельность человека.

Большое разнообразие внутренних и триггерных факторов усложняет анализ предрасположенности территории к возникновению оползней и оползневой опасности. Соответственно, используемые для этого анализа методы и подходы, а также необходимые данные различаются от случая к случаю. Кроме того, важную роль играет масштаб, в котором проводится анализ. В публикации [38] обсуждается связь между доступностью данных, сложностью модели и возможностью прогнозирования. Невозможно дать строгие рекомендации по типу данных, требуемых для анализа оползневых опасности и риска в форме предписанного единого списка предрасполагающих и инициирующих факторов. Выбор причинных факторов различается в зависимости от масштаба анализа, характеристик исследуемой территории, вида оползня и механизмов разрушения склона.

Список возможных факторов, влияющих на оползневые события, представлен в таблице 2 – дифференцированно для разных оползневых механизмов. Этот список не является исчерпывающим, и важно выбрать конкретные факторы, которые связаны с видами оползней и механизмами разрушения склонов в каждых конкретных условиях окружающей среды. Однако он дает представление о типах факторов, связанных с топографическими, грунтовыми, геологическими, гидрогеологическими, геоморфологическими, погодными и климатическими условиями, а также с землепользованием, землетрясениями и деятельностью вулканов.

Таблица 2. Факторы, влияющие на оползневые события, и их релевантность для оценки предрасположенности территорий к оползням и оползневой опасности для разных механизмов оползней*

Источники входных данных

Чтобы учесть факторы, указанные в таблице 2, при анализе оползневых опасностей и рисков в любом из пространственных масштабов, описанных ранее, их необходимо представить в виде карт. В таблице 3 приводится обзор источников исходных данных, а также указаны основные типы данных, их характеристики, используемые методы и важность каждого из четырех рассмотренных типов оползневых механизмов. Источники входных данных для анализа оползневых опасностей и рисков можно разделить на следующие компоненты: лабораторный анализ, полевые измерения, работа сетей мониторинга, полевое картирование, исследование архивных материалов, дополнительные (вспомогательные данные), дистанционное зондирование.

Имеется относительно мало публикаций, в которых дается обзор источников входных данных и требований к этим данным для количественного анализа оползневых опасностей и рисков (например, [36]). В большинстве руководств по анализу оползневых опасностей и рисков (например, в [14; 15]) эта тема отдельно не рассматривается.

Обзор методов лабораторных экспериментов, полевого картирования и мониторинга, результаты которых можно использовать в качестве входных данных для количественной оценки оползневой опасности, можно найти, например, в руководстве [39] и в некоторых более поздних обзорах, например в публикации [40].

Чаще встречаются обзоры по сбору данных, связанных с отдельными компонентами. Например, в работе [41] рассматриваются геофизические методы для исследований оползневых процессов, в статье [42] – методы датирования, применяемые при исследованиях оползней, а в публикации [43] – методы использования метеорологических данных для анализа пороговых величин дождевых осадков для количественной оценки оползневой опасности. В публикации [44] представлен всесторонний обзор данных, которые необходимо собрать для характеристики и оценки физической уязвимости объектов риска, таких как здания, дороги, трубопроводы и т.д.

Хорошие обзоры по использованию данных дистанционного зондирования для анализа оползневых опасностей и рисков можно найти в работах [34, 45–49]. Сфера дистанционного зондирования претерпела очень важные изменения с появлением на околоземных орбитах спутников, которые дают изображения с разным пространственным, временным и спектральным разрешением. Для ознакомления с последней по времени (на момент написания настоящей статьи, то есть к 2014 году. – Ред.) информацией можно зайти во всеобъемлющую базу данных, размещенную по электронному адресу http://gdsc.nlr.nl/FlexCatalog/catalog.html.

В таблице 3 показан метод, используемый для сбора пространственных данных каждого типа. Многие из важнейших входных данных получены в виде точечной информации. Они либо связаны с конкретными объектами (например, оползнями, зданиями), либо являются выборочными точками, которые используются для характеристики территориальных единиц (например, типов грунтов, типов растительности). В последнем случае они должны быть преобразованы в карты посредством пространственной интерполяции с использованием корреляции окружающей среды с атрибутами ландшафта (например, с применением методов геостатистической интерполяции, таких как кокригинг, то есть совместный кригинг). Есть также точечные пункты, предоставляющие информацию по региональным переменным (например, по атмосферным осадкам), которые также необходимо интерполировать. Многие типы информации представлены в виде площадных объектов (например, оползней, зданий в плане), или они охватывают всю исследуемую территорию (например, цифровые модели рельефа, данные по растительности, геологии).

Таблица 3. Источники входных данных и их значимость для количественного анализа оползневых опасностей и рисков для разных механизмов оползней*

Как видно из примеров типов данных, перечисленных в таблице 3, для количественных исследований оползневых опасностей и рисков требуется большое количество данных. Наличие вспомогательной информации, размер изучаемой территории, однородность местности и доступность ресурсов для исследований будут определять тип и количество необходимых данных, которые в конечном итоге также будут определять тип используемого метода оценки предрасположенности участков территории к оползням и возможность преобразования карты предрасположенности в карту количественно оцененных опасностей и рисков [1, 12, 36].

Далее некоторые основные типы входных данных будут рассмотрены более подробно.

Инвентаризация оползней

Базы данных по инвентаризации оползней должны отображать информацию об оползневой деятельности (предпочтительно с указанием состояния, характера и распределения оползневой деятельности, как это было определено в работах [4, 50]). Следовательно, для них требуется информация об оползнях для более крупных территорий, полученная в разное время.

Для детальных масштабов картирования анализ оползневой деятельности часто ограничивается одним оползнем и требует большего его мониторинга.

Для того чтобы создать надежную карту, которая прогнозирует оползневые опасности и риски на определенной территории, крайне важно иметь представление о пространственной и временнОй частоте оползней – следовательно, каждое изучение опасностей или рисков должно начинаться с инвентаризации оползней, которая является максимально полной как в пространстве, так и во времени и которая соответствует международной номенклатуре [7].

Инвентаризация оползней может проводиться с помощью разных методов. Сравнительно недавний (на момент написания статьи – Ред.) обзор методов, используемых для составления оползневых карт, был представлен в работе  [51]. Наиболее широко применяемым методом остается визуальная интерпретация стереоскопических изображений (либо аэрофотоснимков, либо оптических спутниковых изображений с очень высоким разрешением), которая позволяет проводить инвентаризацию с высоким разрешением [52] при особых местных условиях (например, при ограничениях из-за растительного покрова), если ее выполняют опытные интерпретаторы. В настоящее время хорошей альтернативой для многих областей является использование данных сервиса Google Earth, где многие части мира охвачены изображениями с высоким разрешением, которые могут быть загружены в ГИС и объединены с цифровыми моделями рельефа для получения стереоскопических изображений, необходимых для интерпретации оползней. Одним из наиболее важных достижений является возможность визуальной интерпретации оползней по изображениям с оттененным рельефом на основе ЦМР, полученных с помощью съемки лидаром (LIDAR), с которых были удалены объекты (например, растительность), расположенные на поверхности Земли [53–56].

Составление карт инвентаризации оползней с использованием визуальной интерпретации стереоизображений является трудоемкой задачей и требует обширных навыков, профессиональной подготовки и настойчивости. Во многих случаях такие опытные интерпретаторы отсутствуют или же инвентаризацию оползней необходимо выполнить в течение короткого периода времени после инициирующего события, что требует применения автоматизированных методов выявления, основанных на дистанционном зондировании. В работах [48, 49] даются полные обзоры различных методов и инструментов дистанционного зондирования, которые могут быть использованы для (полу-) автоматизированного картирования и мониторинга оползней. В большом количестве методов применяются инструменты пассивного оптического дистанционного зондирования, такие как пиксельно-ориентированные классификация или обнаружение изменений по космическим снимкам [57–59] либо объектно-ориентированные классификация или обнаружение изменений по космическим снимкам [60, 61].

Многие методы, используемые для картирования и мониторинга оползней, основаны на цифровых измерениях высотных отметок, которые возможны с помощью широкого спектра инструментов, таких как наземные фотографии [62], наземные видеозаписи, аэрофотоснимки с беспилотных летательных аппаратов (БПЛА) [63], воздушная стереофотограмметрия и космическая стереофотограмметрия [64]. Кроме того, очень успешным оказалось применение лидарных данных (данных как воздушного, так и наземного лазерного сканирования) [65]. Помимо лидара (LiDAR – лазерного локатора) наиболее полезным инструментом для картирования и мониторинга оползней с использованием дистанционного зондирования является интерферометрический радар с синтезированной апертурой (InSAR), который широко используется для измерения смещений поверхности. Для измерения смещений постоянных отражателей (рассеивателей), например зданий, с точностью до миллиметра может применяться анализ данных такого радара для одной и той же территории, полученных в разные моменты времени, с использованием метода постоянных отражателей (PS) [66] и метода малых базовых расстояний (SB) [67]. Это позволяет прослеживать историю деформаций [68].

Предрасполагающие факторы

Поскольку топографическая информация и ее различные производные играют важную роль в анализе оползневой опасности, решающее значение имеет применение цифровых моделей рельефа с высоким разрешением.

ЦМР могут быть получены большим количеством методов, таких как оцифровка горизонталей с существующих топографических карт, топографическое нивелирование, измерение расстояний электронными дальномерами, измерения с помощью дифференциальной глобальной системы позиционирования, (цифровая) фотограмметрия с использованием изображений, полученных с земли или с широкого спектра платформ, дистанционное зондирование лидаром (лазерным локатором LiDAR) и интерферометрическим радаром с синтезированной апертурой (InSAR).

ЦМР теперь доступны из нескольких источников, таких как глобальные цифровые модели рельефа SRTM (Shuttle Radar Topography Mission) 2000 года [69] и ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 2009 года [70]. В ближайшем будущем (после написания настоящей статьи. – Ред.) ожидается более точная глобальная ЦМР по данным дистанционного зондирования земли с немецкого радиолокационного спутника TanDEM-X (являющегося копией спутника TerraSAR-X, специально настроенной для цифровых измерений рельефа). Эти данные обеспечат создание ЦМР для всей поверхности Земли с вертикальной точностью 2 м и пространственной точностью 12 м [71, 72]. Многие типы карт (например, крутизны, ориентации, длины, кривизны, площади склонов) могут быть получены на основе ЦМР с использованием операций в геоинформационных системах (ГИС).

Стандартными компонентами эвристических и статистических методов оценки оползневой опасности традиционно являются геологические карты [73–75]. Рекомендуется преобразовать традиционную легенду геологической карты, в которой основное внимание уделяется литостратиграфическому подразделению на формации, в инженерно-геологическую классификацию с уделением большего внимания четвертичным отложениям и дополнительной информации по составу скальных пород и прочности их массивов. В ходе детальных исследований опасностей составляются специальные инженерно-геологические карты и определяются типы скальных пород с использованием полевых испытаний и лабораторных измерений  [76]. Для детального анализа применялись трехмерные геологические карты, хотя объем собранной информации по обнажениям и скважинам позволяет применять этот метод лишь для масштабов 1:5000 или крупнее. В настоящее время (на момент написания настоящей статьи. – Ред.) его применение, как правило, ограничивается исследованиями на уровне участка (например, [77]), хотя можно ожидать, что это изменится в будущем, когда станет доступна более подробная информация по скважинам и геофизическим исследованиям, поскольку компьютерные технологии и доступность данных изменили нашу способность создавать цифровые трехмерные модели неглубоких подповерхностных условий (например, [78]).

Для оценки оползневой опасности помимо литологической очень важна структурная информация. В средних и крупных масштабах предпринимались попытки создать карты с указанием направления и угла падения, основанные на полевых измерениях, но успех этого очень сильно зависит от количества структурных измерений и сложности геологического строения [79].

Ключевой проблемой при использовании физически обоснованных моделей устойчивости склонов для оценки оползневой опасности является представление свойств дисперсных грунтов, особенно для неглубоких нарушений, таких как сходы обломочных потоков и оползания, а также глубоких оползней из дисперсных грунтов [80]. Глубина залегания коры выветривания материнской породы, которую геоморфологи и инженеры часто называют глубиной залегания подошвы (толщиной, мощностью) дисперсных грунтов, определяется как глубина от поверхности до более или менее консолидированного материала. Несмотря на то что это основной фактор при моделировании оползней, в большинстве исследований проигнорирована его пространственная изменчивость и при анализе использованы постоянные значения для обобщенных частей территорий [81–85].

Толщину дисперсных грунтов можно смоделировать с помощью физически обоснованных методов, которые моделируют скорости выветривания, денудации и аккумуляции [86, 87], либо эмпирических методов, которые определяют корреляции с топографическими факторами, такими как уклон; или же ее можно предсказать с помощью геостатистических методов [88–91]. Такие методы также использовались для моделирования распределений соответствующих геотехнических и гидрогеологических свойств дисперсных грунтов [92]. Однако точное моделирование толщины и параметров дисперсных грунтов на больших территориях остается сложным из-за их высокой пространственной изменчивости. Это означает, что окончательный прогноз гидрогеологии и устойчивости склона все же будет иметь значительную долю случайности.

Помимо ограничений по точности определения пространственной изменчивости есть два других существенных источника ошибок, которые будут распространяться на окончательные результаты моделирования гидрогеологии и устойчивости склона, – это точность измерений и временнАя изменчивость параметров [93].

Дополнительную информацию о глубине залегания подошвы дисперсных грунтов и о рельефе кровли коренных пород дают образцы грунтов, отобранные на разных глубинах при бурении скважин, и анализ кривых их гранулометрического состава, что также важно для определения гидрогеологических условий.

Геоморфологические карты создаются в различных масштабах, чтобы показать участки территорий в зависимости от их формы, материалов, процессов и генезиса. Хотя в некоторых странах, таких как Германия, Нидерланды, Польша и Бельгия, с этой целью созданы системы условных обозначений [94], общепринятых условных обозначений для геоморфологических карт не существует и в них могут быть значительные вариации в зависимости от опыта геоморфолога.

Важной областью геоморфологии является количественный анализ форм рельефа с помощью ЦМР, называемый геоморфометрией, или цифровым (морфометрическим) анализом рельефа. Она сочетает в себе элементы наук о Земле, инженерии, математики, статистики и информатики [95]. Часть этой работы сосредоточена на автоматической классификации геоморфологических единиц территории на основе морфометрических характеристик в небольших масштабах [96] или на выделении «граней» склонов в средних масштабах, которые могут быть использованы в качестве основных картографических единиц при статистическом анализе [52].

Землепользование при изучении оползневой опасности часто рассматривается как статический фактор. И лишь при относительно немногих исследованиях изменения в землепользовании рассматривались как фактор анализа [97, 98]. Однако появляется все больше работ, в которых анализируется влияние изменений в землепользовании на оценку предрасположенности территорий к оползням [99]. Для моделирования, основанного на физических данных, очень важно иметь временнЫе карты землепользования / почвенно-растительного покрова и определять изменения в механическом и гидрогеологическом воздействиях растительности. Карты землепользования составляются обычным путем на основе спутниковых снимков со средним разрешением. В приложениях для землепользования широко применяются такие методы обнаружения изменений, как сравнение после классификации, поиск и анализ различий в изображениях, полученных в разное время, и их соотношений, а также байесовские вероятностные методы, однако несмотря на это проделанная работа по включению карт изменений в землепользовании, составленных в разное время, в исследования оползневой опасности  была достаточно ограниченной [100].

Иницииирующие факторы

Еще один важный набор исходных данных для оценки оползневой опасности относится к инициирующим (провоцирующим, триггерным) факторам.

Информация по атмосферным осадкам, сейсмичности и деятельности человека имеет очень важные временнЫе компоненты, знание которых необходимо при преобразовании карт предрасположенности территорий к оползням в карты опасностей.

Для определения вероятности возникновения оползней, вызванных конкретным триггером, используется соотношение «величина – частота» (повторяемость) для этого вида инициирующего события. Такие соотношения могут быть связаны с возникновением оползней несколькими способами, что будет рассмотрено в обзоре позднее.

Данные по атмосферным осадкам и температуре собираются на метеорологических станциях, а затем путем интерполяции выводятся их величины для всей исследуемой территории. После этого находятся корреляции между датами исторических оползней и количествами осадков, чтобы установить пороговые значения последних [43]. Хорошим примером в этом отношении является Европейский проект по оценке климата и набору соответствующих данных (European Climate Assessment & Dataset project, http://eca.knmi.nl/).

Многообещающим подходом при изучении оползней является использование метеорологических радиолокационных станций (РЛС) для прогнозирования атмосферных осадков, поскольку он дает возможность отслеживать грозовые очаги с высоким пространственным разрешением, что, в свою очередь, позволяет составлять краткосрочные прогнозы или давать своевременные предупреждения (например, [101]).

Физически обоснованные модели предрасположенности территорий к оползням могут включать количество атмосферных осадков в качестве динамического компонента, что позволяет составлять карты предрасположенности для будущих сценариев изменений климата [102–104].

Методы анализа предрасположенности территорий к оползням, вызванным землетрясениями, все еще не очень хорошо разработаны из-за трудностей, связанных с определением возможных сценариев землетрясений, например в отношении предшествующих влажностных условий и распределения связанных с ними косейсмических оползней [105–107]. Чтобы лучше установить взаимосвязи между сейсмическими, геологическими и связанными с рельефом факторами для прогнозирования распределения косейсмических оползней, необходимо выполнить цифровые инвентаризации реальных косейсмических оползней для различных сред, магнитуд землетрясений и механизмов разломов.

Еще один подход к картированию предрасположенности территорий к оползням, вызванным землетрясениями, – это использование основанной на эвристических правилах работы в ГИС с картами факторов, связанных с крутизной и высотой склона, типом и влажностью слагающего его материала, формами рельефа и интенсивностью сотрясений, например с применением данных USGS ShakeMap (карт движений грунта и интенсивности сотрясений, предоставляемых почти в режиме реального времени после значительных землетрясений, – продуктов программы Геологической службы США по оценке сейсмической опасности совместно с данными региональных сейсмических сетей. – Ред.)  [108].

Объекты, подверженные риску

Объекты, подверженные риску, – это все объекты (население, имущество, окружающая среда), которые могут испытать воздействие опасных явлений. Последствия схода оползня и соответствующий риск зависят от типа таких объектов, присутствующих на территории. Их инвентаризация может проводиться на разных уровнях в зависимости от целей исследования [109].

Данные об объектах, подверженных риску, следует собирать для определенных базовых территориальных единиц, которые могут быть ячейками сетки, административно-территориальными единицами или однородными участками территорий, обладающими схожими характеристиками с точки зрения типа и плотности объектов, на которые могут воздействовать потенциальные оползни. Риски также могут быть проанализированы для линейных сооружений (например, транспортных линий) или конкретных площадок (например, мест строительства плотин).

Информацию о зданиях можно получить несколькими способами. В идеале она доступна в виде карт пятен застройки с соответствующей вспомогательной информацией о типологии, конструктивных системах, высоте, типах фундаментов зданий, а также об их стоимости и содержимом [44]. Эта информация также может быть получена из существующих кадастровых баз данных и карт (градостроительного) территориального планирования или может быть доступна в агрегированной форме в виде данных по количеству и типам зданий для каждой территориально-административной единицы. Если такие данные недоступны, то могут быть созданы карты пятен застройки с помощью экранной оцифровки изображений с высоким разрешением или с помощью автоматизированного картирования зданий с использованием многоспектральных спутниковых изображений с высоким разрешением и изображений, полученных с помощью лидара (LiDAR) [110].

Наборы данных о населении имеют статические и динамические компоненты. Статический компонент относится к числу жителей на единицу картирования и к их характеристикам, а динамический – к характеру их деятельности и распределению в пространстве и во времени. Распределение может быть выражено либо в виде абсолютного количества людей на единицу картирования, либо в виде плотности населения. Очевидным источником такой информации являются результаты переписи. Однако для многих районов данные переписей населения бывают недоступными, устаревшими или ненадежными. Поэтому для моделирования распределения людей наряду с дистанционным зондированием и ГИС могут быть использованы и другие подходы в целях улучшения пространственного разрешения данных по населению на основе доступной информации (составление так называемых карт плотности [111]).

Качество данных

Возникновение оползней определяется сложными взаимосвязями между факторами, некоторые из которых невозможно определить в деталях, а некоторые – лишь с большой степенью неопределенности. Важными аспектами в этом отношении являются в том числе погрешность, точность, неопределенность и прецизионность входных данных, а также объективность и воспроизводимость исходных карт (оценка эффективности карт оползневого районирования будет рассмотрена позже).

Точность (accuracy) входных данных относится к степени близости измеренных или отображенных на карте значений или классов карты к их фактическим (истинным) величинам или классам в полевых условиях. Погрешность определяется как разница между отображенным на карте значением или классом и истинной величиной. Прецизионность (precision) измерений – это степень близости друг к другу результатов повторных измерений при неизменных условиях. Неопределенность относится к степени, в которой фактические характеристики местности могут быть пространственно представлены на карте.

Погрешность на карте можно оценить только в том случае, если доступна другая карта или другая полевая информация, в которой нет погрешностей и которая может быть использована для верификации (например, в отношении высотных отметок). Источники таких неточностей в ЦМР были описаны в работах [95, 112]. Они могут быть связаны с возрастом данных, неполной плотностью наблюдений или пространственной выборки, ошибками обработки, такими как численные ошибки в компьютере, ошибки интерполяции или проблемы классификации и обобщения, а также с ошибками измерений, такими как погрешность позиционирования (в направлениях x и y), ошибки при вводе данных или смещение наблюдателя.

Обзоры неопределенностей, связанных с ЦМР, приведены в работах [72, 113, 114 ].

Качество входных данных, используемых для анализа оползневых опасностей и рисков, связано со многими факторами, такими как масштаб анализа, время и деньги, выделенные на сбор данных, размер исследуемой территории, опыт исследователей, а также доступность и надежность существующих карт. Кроме того, имеющиеся базы данных по оползням часто характеризуются несколькими недостатками [115, 116], связанными с их пространственной и (особенно) временнОй полнотой (или неполнотой), а также с тем, что их полнота смещена в сторону оползней, которые затронули инфраструктуру, такую как дороги.

Перевод статьи выполнен при поддержке ГК «ПЕТРОМОДЕЛИНГ» и Алексея Бершова.

-

Продолжение следует

ИСТОЧНИК ДЛЯ ПЕРЕВОДА

Corominas J., Van Westen C., Frattini P., Cascini L., Malet J.-P., Fotopoulou S., Catani F., Van Den Eeckhaut M., Mavrouli O., Agliardi F., Pitilakis K., Winter M.G., Pastor M., Ferlisi S., Tofani V., Hervas J., Smith J.T. Recommendations for the quantitative analysis of landslide risk // Bulletin of Engineering Geology and the Environment. 2014. Vol. 73. № 2. P. 209–263. DOI:10.1007/s10064-013-0538-8. URL: https://www.researchgate.net/publication/259032330_Recommendations_for_the_quantitative_analysis_of_landslide_risk.

СПИСОК ЛИТЕРАТУРЫ, ИСПОЛЬЗОВАННОЙ АВТОРАМИ ПЕРЕВЕДЕННОЙ СТАТЬИ

1. Fell R., Corominas J., Bonnard Ch., Cascini L., Leroi E., Savage W.Z. Guidelines for landslide susceptibility, hazard and risk zoning for land use planning (on behalf of the JTC-1 Joint Technical Committee on Landslides and Engineered Slopes) // Eng. Geol. 2008. Vol. 102. P. 85–98.
2. TC32 – Technical Committee 32 (Engineering Practice of Risk Assessment and Management) of the International Society of Soil Mechanics and Geotechnical Engineering (ISSMGE). Risk assessment – glossary of terms. 2004. URL: http://www.engmath.dal.ca/tc32/2004Glossary_Draft1.pdf.
3. Terminology of disaster risk reduction. Geneva: United Nations International Strategy for Disaster Reduction (UN-ISDR). 2004. URL: http://www.unisdr.org/eng/library/lib-terminology-eng%20home.htm.
4. Cruden D.M., Varnes D.J. Landslide types and processes // Landslides – investigation and mitigation: Transportation Research Board Special Report № 247 (ed. by A.T. Turner, R.L. Schuster). Washington, DC: National Academy Press, 1996. P. 36–75.
5. Hungr O., Evans S.G., Bovis M.J., Hutchinson J.N. A review of the classification of landslides of the flow type // Environ. Eng. Geosci. 2001. Vol. VII. № 3. P. 221–238.
6. Hungr O., Leroueil S., Picarelli L. Varnes classification of landslide types, an update // Eberhardt E., Froesse C., Turner A.K., Leroueil S. (eds). Landslides and engineered slopes: protecting society through improved understanding. Boca Raton: CRC Press, 2012. Vol. 1. P. 47–58.
7. IAEG Commission on Landslides. Suggested nomenclature for landslides // Bull. Int. Assoc. Eng. Geol. 1990. Vol. 41. P. 13–16.
8. Petley D.N. Landslides and engineered slopes: protecting society through improved understanding // Eberhardt E., Froese C., Turner A.K., Leroueil S. (eds). Landslides and engineered slopes. London: CRC, 2012. Vol. 1. P. 3–13.
9. OFAT, OFEE, OFEFP. Recommandations 1997: prise en compte des dangers dus aux mouvements de terrain dans le cadre des activites de l’amenagement du territoire. Berne: OCFIM, 1997. 42 p.
10. Assessment of landslide risk in natural hillsides in Hong Kong: Report № 191. Hong Kong: Hong Kong Geotechnical Engineering Office (GEO), 2006. 117 p.
11. Guidelines for landslide susceptibility, hazard and risk zoning for land use management // Aust. Geomech. Australian Geomechanics Society (AGS) Landslide Taskforce Landslide Zoning Working Group, 2007. Vol. 42. № 1. P. 13–36.
12. Fell R., Corominas J., Bonnard Ch., Cascini L., Leroi E., Savage  W.Z. Guidelines for landslide susceptibility, hazard and risk zoning for land-use planning (on behalf of the JTC-1 Joint Technical Committee on Landslides and Engineered Slopes) // Comment. Eng. Geol. 2008. Vol. 102. P. 99–111.
13. Corominas J. et al. (eds) SafeLand Deliverable D2.1: overview of landslide hazard and risk assessment practices. 2010. URL: http://www.safeland-fp7.eu/.
14. Lee E.M., Jones D.K.C. Landslide risk assessment. London: Thomas Telford, 2004. 454 p.
15. Glade T., Anderson M., Crozier M.J. Landslide hazard and risk. Chichester: Wiley, 2005. 802 p.
16. Smith K., Petley D.N. Environmental hazards: assessing risk and reducing disaster. London: Taylor & Francis, 2008.
17. Van Westen C.J., Van Asch T.W.J., Soeters R. Landslide hazard and risk zonation: why is it still so difficult? // Bull. Eng. Geol. Environ. 2005. Vol. 65. P. 167–184.
18. IUGS Working Group on Landslides, Committee on Risk Assessment. Quantitative risk assessment for slopes and landslides – the state of the art // Cruden D., Fell R. (eds). Landslide risk assessment. Amsterdam: A.A. Balkema, 1997. P. 3–12.
19. Brabb E.E., Pampeyan E.H., Bonilla M.G. Landslide susceptibility in San Mateo County, California // Misc. Field Studies, map MF-360 (scale 1:62500). Reston: US Geological Survey, 1972.
20. Humbert M. Les mouvements de terrains // Principes de realisation d’une carte previsionnelle dans les Alpes // Bull. du BRGM. Sect. III. 1972. Vol. 1. P. 13–28.
21. Kienholz H. Map of geomorphology and natural hazards of Grindelwald, Switzerland, scale 1:10000 // Artic Alp. Res. 1978. Vol. 10. P. 169–184.
22. Brand E.W. Special lecture: landslide risk assessment in Hong Kong // Proceedings of the V International Symposium on Landslides, Lausanne, Switzerland. Amsterdam: A.A. Balkema, 1988. Vol. 2. P. 1059–1074.
23. Wong H.N., Chen Y.M., Lam K.C. Factual report on the November 1993 natural terrain landslides in three study areas on Lantau Island: GEO Report № 61. Hong Kong: Geotechnical Engineering Office (GEO), 1997. 42 p.
24. Hardingham A.D., Ho K.K.S., Smallwood A.R.H., Ditchfield C.S. Quantitative risk assessment of landslides – a case history from Hong Kong // Proceedings of the seminar on geotechnical risk management. Geotechnical Division, Hong Kong, 1998. Hong Kong: Hong Kong Institution of Engineers, 1998. P. 145–152.
25. Wong H.N., Ho K.K.S. Overview of risk of old man-made slopes and retaining walls in Hong Kong // Proceedings of the Seminar on Slope Engineering in Hong Kong, Hong Kong, 1998. Hong Kong: A.A. Balkema, 1998. P. 193–200.
26. Ho K.K.S,, Leroi E., Roberds B. Quantitative risk assessment – application, myths and future direction // Proceedings of the International Conference on Geotechnical and Geological Engineering (GeoEng2000), Melbourne, Australia, 9–24 November 2000. Vol. 1. P. 269–312.
27. Wong H.N. Landslide risk assessment for individual facilities – state of the art report // Hungr O., Fell R., Couture R., Eberhardt E. (eds) Proceedings of the International Conference on Landslide Risk Management. London: Taylor & Francis, 2005. P. 237–296.
28. Landslide risk management concepts and guidelines // Aust. Geomech. Australian Geomechanics Society (AGS), 2000. Vol. 35. № 1. P. 49–92.
29. Cascini L. Applicability of landslide susceptibility and hazard zoning at different scales // Eng, Geol, 2008. Vol. 102. P. 164–177.
30. Cascini L., Bonnard Ch., Corominas J., Jibson R., Montero-Olarte J. Landslide hazard and risk zoning for urban planning and development – state of the art report // Hungr O., Fell R., Couture R., Eberhardt E. (eds). Landslide risk management. Amsterdam: A.A. Balkema, 2005. P. 199–235.
31. Nadim F., Kjeksta O. Assessment of global high-risk landslide disaster hotspots // Sassa K., Canuti P. (eds). Landslides – disaster risk reduction. Berlin: Springer, 2009. P. 213–221.
32. Nadim F., Kjekstad O., Peduzzi P., Herold C., Jaedicke C. Global landslide and avalanche hotspots // Landslides. 2006. Vol. 3. № 2. P. 159–174.
33. Fell R., Ho K.K.S., Lacasse S., Leroi E. A framework for landslide risk assessment and management // Hungr O., Fell R., Couture R., Eberhardt E. (eds). Landslide risk management. London: Taylor and Francis, 2005. P. 3–26.
34. Soeters R., Van Westen C.J. Slope instability recognition, analysis and zonation // Turner A.K., Schuster R.L. (eds). Landslides investigation and mitigation: TRB Special Report 247. Washington, DC: National Academy Press, 1996. P. 129–177.
35. Leroi E., Bonnard Ch., Fell R., McInnes R. Risk assessment and management – state of the art report // Hungr O., Fell R., Couture R., Eberhardt E. (eds). Landslide risk management. Amsterdam: A.A. Balkema, 2005. P. 159–198.
36. Van Westen C.J., Castellanos Abella E.A., Sekha L.K. Spatial data for landslide susceptibility, hazards and vulnerability assessment: an overview// Eng. Geol. 2008. Vol. 102. № 3-4. P. 112–131.
37. Crosta G.B., Agliardi F., Frattini P., Sosoi R. (eds). SafeLand Deliverable 1.1: landslide triggering mechanisms in Europe – overview and state of the art. Identification of mechanisms and triggers. 2012. URL: http://www.safeland-fp7.eu/.
38. Glade T., Crozier M.J. A review of scale dependency in landslide hazard and risk analysis // Glade T., Anderson M., Crozier M.J. (eds). Landslide hazard and risk. London: Wiley, 2005. P. 75–138.
39. Turner A.K., Schuster L.R. (eds). Landslides, investigation and mitigation: Transportation Research Board Special Report 247. Washington, DC: National Research Council, National Academy Press, 1996. 673 p.
40. Springman S., Seward L., Casini F., Askerinejad A., Malet J.-P., Spickerman A., Travelletti J. (eds). SafeLand Deliverable D1.3: analysis of the results of laboratory experiments and of monitoring in test sites for assessment of the slope response to precipitation and validation of prediction models. 2011. URL: http://www.safeland-fp7.eu/.
41. Jongmans D., Garambois S. Geophysical investigation of landslides: a review // Bull. Soc. Geol. France. 2007. Vol. 178. P. 101–112.
42. Corominas J., Moya J. A review of assessing landslide frequency for hazard zoning purposes // Eng. Geol. 2008. Vol. 102. P. 193–213.
43. Cepeda J., Colonnelli S., Meyer N.K., Kronholm K. SafeLand Deliverable D1.5: statistical and empirical models for prediction of precipitation-induced landslides. 2012. URL: http://www. safeland-fp7.eu/.
44. Pitilakis K., Fotopoulou S. et al. (eds). SafeLand Deliverable D2.5: physical vulnerability of elements at risk to landslides: methodology for evaluation, fragility curves and damage states for buildings and lifelines. 2011. URL: http://www.safeland-fp7.eu/.
45. Metternicht G., Hurni L., Gogu R. Remote sensing of landslides: an analysis of the potential contribution to geo-spatial systems for hazard assessment in mountainous environments // Remote Sens. Environ. 2005. Vol. 98. № 23. P. 284–303.
46. Singhroy V. Remote sensing of landslides // Glade T., Anderson M., Crozier M.J. (eds). Landslide hazard and risk. Chichester: Wiley, 2005. P. 469–492.
47. Kaab A. Photogrammetry for early recognition of high mountain hazards: new techniques and applications // Phys. Chem. Earth. Part B. 2010. Vol. 25. № 9. P. 765–770.
48. Michoud C., Abellan A., Derron M.H., Jaboyedoff M. (eds). SafeLand Deliverable D4.1: review of techniques for landslide detection, fast characterization, rapid mapping and long-term monitoring. 2010. URL: Available at http://www.safeland-fp7.eu/.
49. Stumpf A., Malet J.-P. Kerle N. SafeLand Deliverable D4.3: creation and updating of landslide inventory maps, landslide deformation maps and hazard maps as inputs for QRA using remote-sensing technology. 2011. URL: http://www.safeland- fp7.eu/.
50. WP/WLI. A suggested method for describing the activity of a landslide // Bull. Int. Assoc. Eng. Geol. 1993. Vol. 47. P. 53–57.
51. Guzzetti F., Mondini A.S., Cardinali M., Fiorucci F., Santangelo M., Chan K.T. Landslide inventory maps: new tools for an old problem // Earth. Sci. Rev. 2012. Vol. 112. P. 42–66.
52. Cardinali M. A geomorphological approach to the estimation of landslide hazards and risk in Umbria, Central Italy // Nat. Hazards Earth. Syst. Sci. 2002. Vol. 2. P. 57–72.
53. Haugerud R.A., Harding D.J., Johnson S.Y., Harless J.L., Weaver C.S., Sherrod B.L. High-resolution LiDAR topography of the Puget Lowland. Washington – a bonanza for earth science // GSA Today. 2003. Vol. 13. P. 4–10.
54. Ardizzone F., Cardinali M., Galli M., Guzzetti F., Reichenbach P. Identification and mapping of recent rainfall-induced landslides using elevation data collected by airborne Lidar // Nat. Hazards Earth. Syst. Sci. 2007. Vol. 7. P. 637–650.
55. Van Den Eeckhaut M., Reichenbach P., Guzzetti F., Rossi M., Poesen J. Combined landslide inventory and susceptibility assessment based on different mapping units: an example from the Flemish Ardennes, Belgium // Nat. Hazards Earth. Syst. Sci. 2009. Vol. 9. № 2. P. 507–521.
56. Razak K.A., Straatsma M.W., van Westen C.J., Malet J.-P., de Jong S.M. Airborne laser scanning of forested landslides characterization: terrain model quality and visualization // Geomorphology. 2011. Vol. 126. P. 186–200.
57. Hervas J., Barredo J.I., Rosin P.L., Pasuto A., Mantovani F., Silvano S. Monitoring landslides from optical remotely sensed imagery: the case history of Tessina landslide, Italy // Geomorphology. 2003. Vol. 54. P. 63–75.
58. Borghuis A.M., Chang K., Lee H.Y. Comparison between automated and manual mapping of typhoon-triggered landslides from SPOT-5 imagery // Int. J. Remote. Sens. 2007. Vol. 28. P. 1843–1856.
59. Mondini A.C., Guzzetti F., Reichenbach P., Rossi M., Cardinali M., Ardizzone M. Semiautomatic recognition and mapping of rainfall induced shallow landslides using optical satellite images // Remote Sens. Environ. 2011. Vol. 115 . № 7 . P. 1743–1757.
60. Martha T.R., Kerle N., Jetten V., van Westen C.J., Kumar K.V. Characterising spectral, spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods // Geomorphology. 2010. Vol. 116. № 1–2. P. 24–36.
61. Lu P., Stumpf A., Kerle N., Casagli N. Object-oriented change detection for landslide rapid mapping // IEEE Geosci. Remote Sens. Lett. 2011. Vol. 99. P. 701–705.
62. Travelletti J., Malet J.-P., Schmittbuhl J., Toussaint R., Delacourt C., Stumpf A. A multi-temporal image correlation method to characterize landslide displacements // Ber. Geol. B.-A. 2010. Vol. 82. P. 50–57.
63. Niethammer U., James M.R., Rothmund S., Travelletti J., Joswig M. UAV-based remote sensing of the Super-Sauze landslide: evaluation and results // Eng. Geol. 2012. Vol. 128. P. 2–11. DOI: 10.1016/j.enggeo.2011.03.012.
64. Martha T.R., Kerle N., Jetten V., van Westen C.J., Vinod Kumar K. Landslide volumetric analysis using Cartosat-1-derived DEMs // Geosci. Remote Sens. Lett. IEEE, 2010. Vol. 7. № 3. P. 582–586.
65. Jaboyedoff M., Oppikofer T., Abellan A., Derron M.-H., Loye A., Metzger R., Pedrazzini A. Use of LIDAR in landslide investigations: a review // Nat. Hazards. 2012. Vol. 61. № 1. P. 5–28.
66. Ferretti A., Prati C., Rocca F. Permanent scatterers in SAR interferometry // Trans. Geosci. Remote Sens. IEEE, 2001. Vol. 39. № 1. P. 8–20.
67. Berardino P., Fornaro G., Lanari R., Sansosti E. A new algorithm for surface deformation monitoring based on small baseline differential interferograms // Trans. Geosci. Remote Sens. IEEE, 2002. Vol. 40. № 11. P. 2375–2383.
68. Farina P., Colombo D., Fumagalli A., Marks F., Moretti S. Permanent scatters for landslide investigations: outcomes from the ESA-SLAM project // Eng. Geol. 2006. Vol. 88. P. 200–217.
69. Farr T.G., Rosen P.A., Caro E., Crippen R., Duren R., Hensley S., Kobrick M., Paller M., Rodriguez E., Roth L., Seal D., Shaffer S., Shimada J., Umland J., Werner M., Oskin M., Burbank D., Alsdorf D. The Shuttle Radar Topography Mission // Rev. Geophys. 2007. Vol. 45. Issue RG2004. DOI:101029/2005RG000183.
70. METI/NASA. ASTER Global Digital Elevation Model. Tokyo, Washington, DC: Ministry of Economy, Trade and Industry of Japan (METI), National Aeronautics and Space Administration (NASA), 2009. URL: http://asterweb.jpl.nasa.gov/gdem.asp; http://www.gdem.ersdac.jspacesystems.or.jp.
71. Nelson A., Reute H.I., Gessler P. Chapter 3: DEM production methods and sources // Hengl T., Reute H.I. (eds) Developments in soil science, vol. 33. Amsterdam: Elsevier, 2009. P. 65–85.
72. Smith M.J., Pain C.F. Applications of remote sensing in geomorphology // Prog. Phys. Geogr. 2009. Vol. 33. № 4. P. 568–582.
73. Aleotti P., Chowdhury R. Landslide hazard assessment: summary review and new perspectives // Bull. Eng. Geol. Environ. 1999. Vol. 58. P. 21–44.
74. Dai F.C., Lee C.F., Ngai Y.Y. Landslide risk assessment and management: an overview // Eng. Geol. 2002 . Vol. 64. P. 65–87.
75. Chacon J., Irigaray C., Fernandez T., El Hamdouni R. Engineering geology maps: landslides and geographical information systems // Bull. Eng. Geol. Environ. 2006. Vol. 65. P. 341–411.
76. Dobbs M.R., Culshaw M.G., Northmore K.J., Reeves H.J., Entwisle D.C. Methodology for creating national engineering geological maps of the UK // Q. J. Eng. Geol. Hydrogeol. 2012 . Vol. 45. № 3. P. 335–347.
77. Xie M, Tetsuro E, Zhou G., Mitani Y. Geographic Information Systems-based three-dimensional critical slope stability analysis and landslide hazard assessment // J. Geotech Geoenviron. Eng. 2003. Vol. 129. № 12. P. 1109–1118.
78. Culshaw M.G. From concept towards reality: developing the attributed 3D geological model of the shallow subsurface // Q. J. Eng. Geol. Hydrogeol. 2005. Vol. 38. P. 231–284.
79. Ghosh S., Gunther A., Carranza E.J.M., van Westen C.J., Jetten V.G. Rock slope instability assessment using spatially distributed structural orientation data in Darjeeling Himalaya (India) // Earth Surf. Proc. Land. 2010. Vol. 35. № 15. P. 1773–1792.
80. Guimaraes R.F., Montgomery D.R., Greenberg H.M., Fernandes N.F., Trancoso Gomes R.A., de Carvalho J., Osmar A. Parameterization of soil properties for a model of topographic controls on shallow landsliding: application to Rio de Janeiro // Eng. Geol. 2003. Vol. 69. № 1-2. P. 99–108.
81. Bakker M.M., Govers G., Kosmas C., Vanacker V., van Oost K., Rounsevell M. Soil erosion as a driver of land-use change // Agric. Ecosyst. Environ. 2005. Vol. 105. № 3. P. 467–481.
82. Bathurst J.C., Moretti G., El-Hames A., Begueria S., Garcia-Ruiz J.M. Modelling the impact of forest loss on shallow landslide sediment yield, Ijuez river catchment, Spanish Pyrenees // Hydrol. Earth. Syst. Sci. 2007 . Vol. 11. № 1. P. 569–583.
83. Talebi A., Troch P.A., Uijlenhoet R. A steady-state analytical slope stability model for complex hillslopes // Hydrol. Process. 2008. Vol. 22. № 4. P. 546–553.
84. Montgomery D.R., Dietrich W.E. A physically based model for the topographic control on shallow landsliding // Water Resour .Res. 1994. Vol. 30. № 4. P. 1153–1171.
85. Santacana N., Baeza B., Corominas J., De Paz A., Marturia J. A GIS-based multivariate statistical analysis for shallow landslide susceptibility mapping in La Pobla de Lillet area (Eastern Pyrenees, Spain) // Nat. Hazards. 2003. Vol. 30. P. 281–295.
86. Dietrich W.E., Reiss R., Hsu M.L., Montgomery D.R. A process-based model for colluvial soil depth and shallow landsliding using digital elevation data // Hydrol. Process. 1995. Vol. 9. P. 383–400.
87. D’Odorico P. A possible bistable evolution of soil thickness //. J. Geophys. Res. 2000. Vol. 105. № B11. P. 25927–25935.
88. Tsai C.C., Chen Z.S., Duh C.T., Horng F.W. Prediction of soil depth using a soil-landscape regression model: a case study on forest soils in southern Taiwan // Natl. Sci. Counc. Repub. China. Part B. Life. Sci. 2001. Vol. 25. № 1. P. 34–39.
89. Van Beek L.H. Assessment of the influence of changes in landuse and climate on landslide activity in a Mediterranean environment: Ph.D. thesis. Utrecht: University of Utrecht, 2002. 363 p.
90. Penizek V., Boruvka L. Soil depth prediction supported by primary terrain attributes: a comparison of methods // Plant. Soil Environ. 2006. Vol. 52. № 9. P. 424–430.
91. Catani F., Segoni S., Falorni G. Accurate basin scale soil depth modelling and its impact on shallow landslides prediction. European Geosciences Union General Assembly 2007, Vienna, Austria // Geophys. Res. Abstr. 2007. Vol. 9. P. 10828.
92. Hengl T., Heuvelink G.B.M., Stein A. A generic framework for spatial prediction of soil variables based on regression-kriging // Geoderma. 2004. Vol. 120. № 1-2. P. 75–93.
93. Kuriakose S.L., Devkota S., Rossiter D.G., Jetten V.J. Prediction of soil depth using environmental variables in an anthropogenic landscape, a case study in the Western Ghats of Kerala, India // Catena. 2009. Vol. 79. № 1. P. 27–38.
94. Gustavsson M., Kolstrup E., Seijmonsbergen A.C. A new symbol-and-GIS-based detailed geomorphological mapping system: renewal of a scientific discipline for understanding landscape development // Geomorphology. 2006. Vol. 77. № 1-2. P. 90–111.
95. Pike R.J. Geomorphometry – diversity in quantitative surface analysis // Prog. Phys. Geogr. 2000. Vol. 24 . № 1. P. 1–20.
96. Asselen S.V., Seijmonsbergen A.C. Expert-driven semi-automated geomorphological mapping for a mountainous area using a laser DTM // Geomorphology. 2006. Vol. 78. № 3-4. P. 309–320.
97. Matthews J.A., Brunsden D., Frenzel B, Glaser B., Weiss M.M. (eds.) Rapid mass movement as a source of climatic evidence for the Holocene // Palaeoclimate Res. 1997 . Vol. 19. 444 p.
98. Van Beek L.P.H., Van Asch T.W.J. Regional assessment of the effects of land-use change and landslide hazard by means of physically based modelling // Nat. Hazards. 2004. Vol. 30. № 3. P. 289–304.
99. Glade T. Landslide occurrence as a response to land use change: a review of evidence from New Zealand // Catena. 2003. Vol. 51. № 3-4. P. 297–314.
100. Kuriakose S.L. Physically-based dynamic modelling of the effect of land use changes on shallow landslide initiation in the Western Ghats of Kerala, India: Ph.D. thesis. Utrecht: University of Utrecht, 2010. ISBN 978-90-6164-298-5.
101. Crosta G.B., Frattini P. Distributed modelling of shallow landslides triggered by intense rainfall // Nat. Hazards Earth Syst. Sci. 2003. Vol. 3. № 1-2. P. 81–93.
102. Collison A., Wade J., Griths S., Dehn M. Modelling the impact of predicted climate change on landslide frequency and magnitude in SE England // Eng. Geol. 2000. Vol. 55. P. 205–218.
103. Melchiorre C., Frattini P. Modelling probability of rainfall-induced shallow landslides in a changing climate, Otta, Central Norway // Clim. Chang. 2012. Vol. 113. № 2. P. 413–436.
104. Comegna L., Picarelli L., Bucchignani E., Mercogliano P. Potential effects of incoming climate changes on the behaviour of slow active landslides in clay // Landslides. 2012. Vol. 10. № 4. P. 373–391. DOI:101007/s10346-012-0339-3.
105. Keefer D.K. Investigating landslides caused by earthquakes – a historical review // Surv. Geophys. 2002. Vol. 23. P. 473–510.
106. Meunier P., Hovius N., Haines A.J. Regional patterns of earthquake-triggered landslides and their relation to ground motion // Geophys. Res. Lett. 2007. Vol. 34. № 20. Paper L20408.
107. Gorum T., Fan X., van Westen C.J., Huang R.Q., Xu Q., Tang C., Wang G. Distribution pattern of earthquake-induced landslides triggered by the 12 May 2008 Wenchuan earthquake // Geomorphology. 2011 . Vol. 133. № 3-4. P. 152–167.
108. Miles S.B., Keefer D.K. Evaluation of CAMEL – comprehensive areal model of earthquake-induced landslides // Eng. Geol. 2009. Vol. 104. P. 1–15.
109. Alexander E.D. Vulnerability to landslides // Landslide risk assessment (ed. by T. Glade, M.G. Anderson, M.J. Crozier). London: Wiley, 2005. P. 175–198.
110. Brenner C. Building reconstruction from images and laser scanning // Int. J. Appl. Earth Obs. Geoinf. 2005. Vol. 6. № 3-4. P. 187–198.
111. Chen K., McAneney J., Blong R., Leigh R., Hunter L., Magill C. Defining area at risk and its effect in catastrophe loss estimation: a dasymetric mapping approach // Appl. Geogr. 2004. Vol. 24 . P. 97–117.
112. Heuvelink G.B.M. Error propagation in environmental modelling with GIS. London: Taylor & Francis, 1998. 150 p.
113. Fisher P.F., Tate N.J. Causes and consequences of error in digital elevation models // Prog. Phys. Geogr. 2006. Vol. 30. P. 467–489.
114. Wechsler S.P. Uncertainties associated with digital elevation models for hydrologic applications: a review // Hydrol. Earth Syst. Sci. 2007. Vol. 11. P. 1481–1500.
115. Ardizzone F., Cardinali M., Carrara A., Guzzetti F., Reichenbach P. Impact of mapping errors on the reliability of landslide hazard maps // Nat. Hazards Earth Syst. Sci. 2002. Vol. 2. P. 3–14.
116. Van Den Eeckhaut M., Hervas J. State of the art of national landslide databases in Europe and their potential for assessing landslide susceptibility, hazard and risk // Geomorphology. 2012. Vol. 139-140. P. 545–558.