Рекомендации по количественному анализу оползневых рисков. Часть 4

ПРЕДЛАГАЕМЫЕ МЕТОДЫ ОЦЕНКИ ПРЕДРАСПОЛОЖЕННОСТИ ТЕРРИТОРИЙ К ОПОЛЗНЯМ

Карта предрасположенности делит территорию на зоны с различной возможностью возникновения оползней определенного типа.

Оценка предрасположенности к оползням может рассматриваться как начальный шаг на пути к оценке оползневых опасностей и рисков. Но она сама по себе также может быть конечным продуктом, который можно использовать при планировании землепользования и при оценке воздействий на окружающую среду. Это особенно актуально при проведении мелкомасштабного анализа или в ситуациях, когда для оценки пространственной и временнОй вероятности возникновения оползней недостаточно информации о таких событиях в прошлом.

Карты предрасположенности содержат информацию о видах оползней, которые могут произойти, и о пространственной возможности их возникновения (о наиболее вероятных зонах их инициации на основе сочетания географических, топографических условий и вида почвенно-растительного покрова), а также о вероятном типе их развития (ретрогрессивного развития вверх или перемещения вниз по склону). Возможность возникновенния оползней может быть количественно отражена с помощью показателей плотности их распространения (их количества на 1 км² или затронутой ими площади на 1 км²).

Методы, используемые для анализа предрасположенности территорий к оползням, обычно основаны на двух допущениях. Первое заключается в том, что прошлые условия являются индикаторами будущих условий, то есть что зоны, в которых происходили оползни в прошлом, вероятно, столкнутся с ними и в будущем, поскольку в этих зонах сохраняются те же условия окружающей среды (например, топографические, геологические, грунтовые, геоморфологические, а также связанные с землепользованием). Второе допущение состоит в том, что участки местности, имеющие сходные условия окружающей среды (например, топографические, литологические, геоморфологические, инженерно-геологические, а также связанные с землепользованием) и пострадавшие от оползней в прошлом, вероятно, столкнутся с оползнями и в будущем. Такой подход подчеркивает необходимость сбора подробных данных по оползням до проведения какой-либо оценки предрасположенности территории к их возникновению.

С точки зрения визуализации карта предрасположенности должна включать:

• зоны с разными классами предрасположенности к инициации и перемещению оползней для конкретных типов последних (для большей ясности количество классов должно быть менее пяти);
• результаты инвентаризации прошлых оползней, которые позволят пользователям сравнить классы предрасположенности с реальными историческими оползневыми событиями;
• условные обозначения по классам предрасположенности, в том числе по ожидаемым показателям плотности распространения оползней.

Поскольку карты предрасположенности в первую очередь дают информацию по предлагаемому рейтингу участков местности с точки зрения пространственной вероятности возникновения оползней, они не содержат в явном виде данных по периодам повторяемости таких событий.

Оценка предрасположенности территорий к оползням

Обзоры доступных методов оценки предрасположенности территорий к оползням (рис. 2) можно найти в работах [1, 12, 34, 73–75, 117, 118]. Эти методы могут быть качественными (основанными на инвентаризации и знаниях) или количественными (основанными на данных и физически обоснованных моделях), как показано на рисунке 2. Они будут по отдельности описаны в статье позже. Следует подчекнуть, что применение методов, основанных на инвентаризации, должно предшествовать использованию всех других методов, поскольку они дают наиболее важную исходную информацию и необходимы для проверки правильности (валидации) полученных карт. Эти методы и некоторые соответствующие ссылки приведены в таблице 4.

Рис. 2. Методы оценки предрасположенности территорий к оползням

Таблица 4. Рекомендуемые методы анализа предрасположенности территорий к оползням на основе инвентаризации

Есть разница между методами оценки предрасположенности к оползням для территорий, где ранее происходили такие события, и для территорий, где могут произойти оползни, но ранее их не было. Следует отметить, что существует прямая связь между масштабом карты зонирования и сложностью метода оценки предрасположенности, причем более сложные методы применяются в более крупных масштабах из-за большего объема требуемых данных.

При использовании основанных на знаниях или эвристических методов карта предрасположенности может быть подготовлена непосредственно в полевых условиях специалистами по геоморфологии или же создана в камеральных условиях на основе геоморфологической карты. Этот метод является прямым, поскольку специалист интерпретирует предрасположенность местности к оползням непосредственно в полевых условиях, основываясь на наблюдаемых явлениях и геоморфологических/геологических условиях. При таком прямом методе используется ГИС – в качестве инструмента для создания окончательной карты без обширного моделирования.

Методы, основанные на знаниях, могут быть применены также и косвенно с помощью ГИС – путем объединения ряда карт факторов, которые считаются важными для возникновения оползней.

На основе своих экспертных знаний о прошлых случаях возникновения оползней и их причинных факторах для той или иной территории эксперт присваивает определенные веса определенным комбинациям факторов.

При использовании методов, основанных на знаниях, предрасположенность к оползням выражается в качественной форме. Однако далее в статье будут обсуждаться только количественные методы.

Методы оценки предрасположенности территорий к оползням на основе данных

При использовании методов оценки предрасположенности территорий к оползням на основе данных статистически оцениваются комбинации факторов, которые вызывали оползни в прошлом, и делаются количественные прогнозы для районов с аналогичными геологическими, топографическими и почвенно-растительными условиями, в которых до настоящего времени оползни не происходили. Никакая информация об историчности элементов рельефа в отношении множественных оползневых событий не рассматривается. Результаты могут быть выражены через вероятность.

Эти методы называются основанными на данных, поскольку для получения информации об относительной важности карт факторов и их классов используются данные по прошлым оползням. Обычно применяют три основных подхода, основанных на данных: двумерный статистический анализ, многомерный статистический анализ и активный статистический анализ с использованием методов машинного обучения (таблица 5).

Таблица 5. Рекомендуемые методы оценки предрасположенности территорий к оползням на основе данных

При использовании двумерных статистических методов карта каждого фактора объединяется с картой распределения оползней и для каждого класса параметров рассчитываются веса (весовые коэффициенты) на основе плотности распределения оползней. Для вычисления весовых коэффициентов может быть применено несколько статистических методов, таких как метод ценности информации, моделирование весомости свидетельств, байесовские правила комбинирования свидетельств, использование показателей/коэффициентов достоверности, метод Демпстера – Шейфера (Dempster-Shafer) и нечеткая логика. Двумерные статистические методы являются хорошим инструментом обучения, который аналитик может использовать для определения того, какие факторы или их комбинации играют роль в инициировании оползней. Такой инструмент не учитывает взаимозависимость переменных, и он должен служить ориентиром при изучении набора данных перед использованием многомерных статистических методов.

Многомерные статистические модели оценивают совокупную взаимосвязь между зависимой переменной (возникновением оползней) и рядом независимых переменных (факторами, влияющими на инициирование оползней). При этом типе анализа все релевантные факторы отбираются либо на основе расчетной сетки, либо на основе морфометрических показателей склонов. Для каждого из элементов выборки определяется наличие или отсутствие оползней. Затем полученная матрица анализируется с помощью множественной регрессии, логистической регрессии, дискриминантного анализа, метода случайного леса (random forest) или активного статистического анализа с использованием методов машинного обучения. Результаты могут быть выражены через вероятность.

На результаты использования методов оценки предрасположенности территорий к оползням на основе данных могут влиять следующие недостатки:

1. общее допущение того, что оползни происходят из-за воздействия одной и той же комбинации факторов по всей исследуемой территории;
2. игнорирование того, что на возникновение определенных типов оползней влияют определенные причинные факторы, которые следовало бы проанализировать/исследовать индивидуально;
3. степени влияния со стороны некоторых пространственных факторов могут широко варьировать в районах со сложными геологическими и структурными условиями;
4. отсутствие подходящего экспертного заключения по различным типам оползней, процессам и причинным факторам.

Эти методы стали стандартными при оценке предрасположенности территорий к оползням в региональном масштабе.

Физически обоснованные методы оценки предрасположенности территорий к оползням

Физически обоснованные методы оценки предрасположенности к оползням базируются на моделировании процессов разрушения склонов. На больших территориях эти методы применимы только при достаточно однородных геологических и геоморфологических условиях и простых типах оползней (таблица 6).

Таблица 6. Примеры физически обоснованных методов оценки предрасположенности территорий к оползням (мест разрушений склонов)

В большинстве физически обоснованных моделей, применяемых в локальном масштабе, используется модель бесконечного склона/откоса, поэтому они применимы только для анализа неглубоких оползней (с глубиной подошвы менее нескольких метров). В них учитываются различные триггеры, такие как сейсмическое воздействие или нестационарный режим грунтовых вод в результате выпадения атмосферных осадков. Динамические модели позволяют делать прогнозы с помощью применения правил, основанных на причинно-следственных связях, для имитации временнЫх изменений в ландшафтах. В динамической модели предрасположенности учитываются пространственные и временнЫе вариации при инициировании оползней.

Физически обоснованные модели применимы даже к районам с неполной инвентаризацией оползней. Параметры, используемые в таких моделях, чаще всего измеримы и считаются переменными состояния, которые имеют уникальное значение в заданной точке времени и пространства.

Большинство физически обоснованных моделей по своей природе являются динамическими. Это подразумевает, что они работают во времени вперед или назад, постоянно вычисляя значения переменных состояния на основе включенных уравнений. При реализации в пространственной системе координат (с использованием ГИС) такие модели также способны вычислять изменения значений с течением времени для каждой единицы анализа (пикселя).

Результаты использования таких моделей более конкретны и последовательны, чем результаты эвристических и статистических моделей, с учетом подхода «белый ящик» к описанию лежащих в основе физических процессов, которые приводят к моделируемым явлениям. Они обладают более высокой прогностической способностью и являются наиболее подходящими для количественной оценки влияния отдельных параметров, которые способствуют возникновению неглубоких оползней. Однако параметризация этих моделей может оказаться сложной задачей из-за трудностей с получением доступа к критическим параметрам, таким как мощность дисперсных грунтов, либо при моделировании нестационарных гидрогеологических процессов в массивах склонов, таких как потоки через макропоры и изменения гидравлических свойств во времени.

Преимущество этих моделей заключается в том, что они основаны на моделях устойчивости склона, позволяющих количесвенно рассчитать его стабильность (то есть определить коэффициенты устойчивости или вероятность разрушения).

Основные недостатки данного метода – степень его упрощения и необходимость в больших объемах надежных входных данных.

Выбор наиболее подходящего метода анализа

При оценке предрасположенности территорий к оползням существует четкая связь между масштабом анализа и типом метода, который может быть использован, что в основном связано с возможностью получения требуемых исходных данных (таблица 7).

Таблица 7. Рекомендуемые количественные методы анализа предрасположенности территорий к оползням в разных масштабах

При выборе наиболее подходящего метода следует учитывать несколько аспектов.

1. Выбор должен соответствовать имеющимся данным и масштабу анализа. Например, не рекомендуется использовать подход с физически обоснованным моделированием для анализа в небольших масштабах, если недостаточно геотехнических данных и данных по мощности дисперсных грунтов, поскольку это приведет либо к значительному упрощению результирующей карты опасностей и рисков, либо к бесконечному сбору информации.

2. Следует избегать использования данных, масштаб или детализация которых не соответствуют выбранному методу оценки опасности.

3. Разные типы оползней контролируются разными комбинациями факторов окружающей среды и триггеров, и это должно быть отражено при анализе. Инвентаризацию оползней следует разделить (по возможности) на несколько подгрупп, каждая из которых относится к определенному механизму разрушения и связана с определенной комбинацией причинных факторов.

4. Следует избегать использования карт факторов, которые не относятся к периоду возникновения оползня. Например, для того чтобы иметь возможность соотнести такое событие с изменениями в землепользовании и/или почвенно-растительном покрове, важно отобразить ситуацию, которая существовала тогда, когда произошел оползень, а не условия, которые сложились после его схода.

5. И наконец, многие оценки предрасположенности основываются на допущении того, что «прошлое является ключом к будущему» и что исторические оползни и связанные с ними причинно-следственные связи могут быть использованы для прогнозирования будущих таких событий. Однако можно было бы также провести аналогию с инвестиционным рынком, заявив, что «результаты, полученные в прошлом, не являются гарантией на будущее». Несмотря на то что в прошлом при определенных условиях могли происходить оползни, условия меняются, поэтому актуальные карты предрасположенности создаются с учетом текущих ситуаций. Когда происходят изменения в причинных факторах (например, если дорога имеет крутые откосы в местах подрезок склона, который до ее строительства считался малоопасным, или если годовое количество атмосферных осадков либо их распределение по месяцам значительно меняется из-за изменений климата), необходимо адаптировать к этому информацию о прерасположенности территории к оползням.

Дальность перемещения оползней

В этом разделе описываются доступные методы оценки дальности перемещения (максимального расстояния, пройденного оползневыми массами) для различных типов оползней в количественном выражении и их применимость к разным масштабам работ.

Оценка дальности перемещения оползней редко выполняется для карт регионального или более мелкого масштаба (из-за низкого разрешения соответствующего анализа), за исключением очень крупных событий [156]. Величина (например, объем), механизм распространения и характеристики траектории оползня являются основными факторами, влияющими на дальность его перемещения. Методы определения последней можно разделить на эмпирические и рациональные [157]. И те, и другие широко используются, поскольку могут быть интегрированы в ГИС-платформы.

Эмпирические методы

Эмпирические методы базируются на полевых наблюдениях и на анализе взаимосвязи между морфометрическими параметрами оползня (например, объемом), характеристиками его траектории (например, местной морфологией, наличием препятствий) и пройденным им расстоянием.

В основе эмпирических подходов лежат упрощающие допущения, поэтому их применимость для количественного анализа может быть ограниченной.

Методы прогнозирования дальности перемещения оползней можно разделить на геоморфологические, геометрические и изменений объема. Их неполный список представлен в таблице 8. Неопределенности, связанные с источниками, размерами и подвижностью будущих оползней, не позволяют точно определять расположение границ опасных зон.

Таблица 8. Эмпирические методы оценки дальности перемещения оползней

1. Геоморфологические свидетельства

Картирование оползневых отложений позволяет непосредственно измерять расстояния, пройденные оползнями в прошлом.

Размеры как древних, так и недавних оползневых отложений используются для определения дальности перемещений будущих оползней.

Геоморфологический анализ может использоваться для того, чтобы определить: самые большие расстояния, пройденные предыдущими оползнями; была ли проведена инвентаризация достаточного количества оползней; достаточно ли статистистических данных по дальности перемещений и по связанным с ними вероятностям.

Полная идентификация отложений исторических оползней не всегда возможна. Старые отложения могли быть погребены под новыми, удалены в результате эрозии (либо полностью, либо частично) или замаскированы особенностями аккумулятивных форм, образовавшихся в результате других процессов.

Геоморфологический подход годится для анализа оползней крупных масштабов и низкой частоты, отложения которых из-за аномально больших размеров могут сохраняться в течение длительного времени и могут помочь в определении возможных максимальных дальностей перемещений для будущих подобных событий. Однако неопределенности, связанные с источниками, размерами и мобильностью будущих таких оползней, мешают точному определению границ опасных зон. Кроме того, геометрия склона может измениться и полный набор причинных обстоятельств, связанных с прошлыми оползнями, может уже отсутствовать. Поэтому результаты, полученные на данном участке, не могут быть экстраполированы для других мест.

2. Геометрические подходы

Оценка дальности перемещения может быть проведена путем анализа геометрических соотношений между параметрами оползня и пройденным им расстоянием [170]. Наиболее часто используемыми показателями являются угол дальности перемещения (reach angle, angle of reach, travel distance angle) [171] и угол тени (shadow angle) [172].

Угол дальности перемещения α – это угол наклона линии, соединяющей самую высокую точку оползня с его самым дальним фронтальным краем (многие авторы в определении этого угла говорят о линии, соединяющей бровку срыва с самым дальним фронтальным краем. Скорее всего, это более точно. – Ред.). Эмпирические наблюдения показывают зависимость угла α от объема оползня V. График зависимости тангенса угла α (отношения между перепадом высот по вертикали H и горизонтальной составляющей дальности перемещения L) от объема V показывает, что у крупных оползней углы дальности перемещения меньше, чем у мелких [173]. Эта зависимость может быть выражена в виде следующего уравнения регрессии:

где A, B – константы.

Максимальное расстояние, пройденное оползнем, также можно получить графически, учитывая связь между углом дальности перемещения и потенциальным объемом оползня, для чего можно провести сответствующую линию от источника. Пересечение с топографической поверхностью даст как H, так и L [159, 174, 175].

Тень камнепада – это область за краем осыпного склона, куда могут попасть падающие камни, подпрыгивая и перекатываясь. Авторы работ [172, 176] использовали концепцию угла тени β для определения максимального расстояния от источника до самого дальнего из упавших камней. Он определяется как угол наклона линии, соединяющей верх осыпного склона с обломком, достигшим самой дальней точки. Подножие осыпного склона используется в качестве контрольной границы, от которой определяется расстояние до отдельных упавших камней в зоне тени.

Для обломочных потоков были разработаны эмпирические методы прогнозирования проходимых ими расстояний и охваченных ими зон в конусах выноса. Для оценки полной дальности перемещения использовались объем, высотные отметки и наклон русла [167, 177] или их определяли на основе среднего наклона русла [163]. Рассматривались критерии баланса объема, которые определяют площадь поперечного сечения и площадь покрытия в плане [166, 168, 178 ].

Эти эмпирические методы могут использоваться в ГИС для проведения локального и детального (сайт-специфиче ского) анализа [168, 179, 180]. Применение огибающих для наиболее экстремальных событий является консервативным, но возможным, поскольку оно основано на наблюдавшихся случаях. Это представляется целесообразным для предварительных исследований по оценке дальности перемещения. При наличии достаточного количества данных можно смоделировать неопределенность дальности перемещения, проследив линии, соответствующие различным процентилям (99, 95, 90% и т.д.) пространственной вероятности [175]. Такие подходы могут быть применены к картам предрасположенности территорий к оползням и оползневой опасности локальных масштабов, но, поскольку они не содержат кинематических параметров (таких как скорость, кинетическая энергия), они на самом деле не подходят для использования при детальном анализе.

3. Метод изменений объема

Метод изменений объема [169] позволяет оценить потенциальную дальность перемещения обломочного потока путем установления баланса между объемами вовлеченных в движение и отложенных масс. Траектория потока делится на однородные в геометрическом плане участки (reaches – это английское слово было использовано авторами по аналогии с участками между двумя поворотами реки. – Ред.), для каждого из которых измеряются длина, ширина и наклон. В модели учитываются стесненные (confined), не стесненные (unconfined) бортами долины и промежуточные (transitional) участки и определяются условия, при которых материал из потока не осаждается на стесненных участках и не увлекается потоком на промежуточных. С использованием исходного объема и геометрии последовательных участков в качестве входных данных в модели устанавливается усредненная формула изменений объема путем деления объема перемещаемого материала на длину отложений потока. Затем начальный мобилизованный объем постепенно уменьшается по мере движения потока вниз по склону до тех пор, пока движение не прекратится (то есть пока объем активно движущегося обломочного материала не станет незначительным). Результаты показывают вероятность превышения пройденного расстояния, которое сравнивается с дальностями премещения для двух наблюдавшихся событий.

Рациональные методы

Рациональные методы основываются на использовании аналитических или численных моделей различной степени сложности. Их можно подразделить на использование дискретных и континуальных моделей.

1. Дискретные модели

Дискретные модели используются в тех случаях, когда важна степень гранулированности оползня.

Если материал по своей структуре является гранулированным, то отдельные частицы можно представить как отдельные дискретные элементы. Простейшим случаем является падение блока вниз по склону. Его геометрию можно либо смоделировать с точностью, либо аппроксимировать в виде более простой формы. Модель проверяет наличие ударов о базальную поверхность, применяя подходящий коэффициент реституции, то есть коэффициент восстановления энергии при ударе (coefficient of restitution – коэффициент, который соответствует отношению конечной энергии к начальной после столкновения двух объектов. – Ред.). Этот подход используется для моделирования камнепадов с использованием либо метода сосредоточенной массы (lumped) [181–184], либо гибридного (hybrid) метода [185–187], либо метода твердого тела (rigid body) [188, 189].

С другой стороны, для моделирования каменных лавин использовался метод дискретных элементов (discrete-element-based). Каменная лавина приближенно представляется в виде набора частиц простых геометрических форм (сфер, дисков), а для описания контактных усилий используются специальные законы. Количество материальных параметров, как правило, невелико (трение, начальное сцепление, упругие свойства контакта). Во многих случаях невыполнимо воспроизвести все блоки лавины, поэтому она упрощенно представляется в виде набора меньшего числа блоков. Сферы (3D) или диски (2D) могут объединяться для генерации более сложных форм, и могут быть получены различные гранулометрические составы. Главным преимуществом этих методов является их способность воспроизводить эффекты (например, обратную сегрегацию), которые далеко выходят за рамки возможностей континуальных моделей [190].

Дискретно-элементные модели подходят для моделирования каменных лавин, но их использование не рекомендуется в других ситуациях, например для оползней-потоков, лахаров, грязевых потоков и т.д., из-за сложной реологии текущего материала.

2. Континуальные модели

Континуальные (непрерывные) модели основываются на механике движения сплошной среды и могут включать связь механического поведения с гидравликой и термомеханикой. Здесь рассматриваются четыре следующие группы (таблица 9).

Таблица 9. Рациональные методы оценки дальности перемещения оползней

3D-модели, основанные на теории смесей (которая используется для моделирования многофазных систем с использованием принципов механики нескольких взаимопроникающих сплошных сред, многофазных течений. – Ред.). Модели этой наиболее сложной категории включают все фазы, присутствующие в текущем материале, в виде твердых частиц, жидкости и газа. Относительные перемещения здесь могут быть значительными, и эта группа моделей может быть применена к самому общему случаю. Из-за большого количества неизвестных и уравнений, используемых в таких моделях, они применялись только при рассмотрении смесей, что является правильным подходом для грязевых потоков и каменных лавин. Поскольку геометрия здесь является довольно сложной, аналитического решения нет и необходимо дискретизировать уравнения, используя подходящую численную модель. Модели этой категории очень дОроги с точки зрения вычислительного времени, но их необходимо использовать в ситуациях, когда важны 3D эффекты, например в случаях создаваемых оползнями волн или воздействий текущего материала на здания и сооружения [201]. Такие модели могут быть применены ко всем типам движения, за исключением тех, на которые оказывает большое влияние гранулометрия смеси.

Модели зависимости «скорость – давление» (Био – Зенкевича, Biot-Zienkiewicz). Во многих случаях можно принять, что движение поровых флюидов относительно скелета грунта внутри его частиц невелико. Тогда модель может быть построена с учетом скорости движения твердых частиц и давлений флюидов между ними. Это классический подход, используемый в геотехнике [200]. Он может быть применен к каменным лавинам и обломочным потокам. Получаемая модель является трехмерной, и для решения требуются большие вычислительные усилия [202]. Одним из важных моментов является то, что могут быть полностью описаны давления флюидов между частицами.

Модели, интегрированные по глубине. Учитывая геометрию большинства быстро движущихся оползней, можно использовать интегральную аппроксимацию по глубине. Этот метод использовался в гидравлической и береговой инженерии для описания течений в каналах, длинных волн, приливов и т.д. В отношении анализа оползневых процессов он был представлен в работе [196] и с тех пор широко используется инженерами и специалистами по наукам о Земле. Также возможно включить информацию о базальном поровом давлении (например, [198, 199 ]).

Важно отметить следующее: даже если результаты, полученные с помощью этих моделей, можно изобразить в 3D виде, создав впечатление, что это полноценное трехмерное моделирование, такие модели все же являются двумерными. Кроме того, давления и силы, действующие на сооружения, являются гидростатическими. Поэтому, если требуется такая информация, необходимо связать 2D модель, интегрированную по глубине, с полной 3D моделью в непосредственной близости от препятствия.

Модели, интегрированные по глубине, представляют собой отличный компромисс между желаемыыми компьютерным временем и точностью. Они использовались для описания каменных лавин, лахаров, грязевых потоков, обломочных потоков и оползней-потоков [151, 191, 196, 197, 200, 201, 203, 204].

Модели, интегрированные по глубине, могут быть еще больше упрощены, например в случае подхода «бесконечные оползни». Действительно, при блочном анализе, выполняемом во многих случаях, рассматривается непрерывный ряд бесконечных оползней, развивающихся на изменяющемся рельефе. В такие модели может быть включено рассеивание порового давления (например, [193]).

-

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.
117. Carrara A., Guzzetti F., Cardinali M., Reichenbach P. Use of GIS technology in the prediction and monitoring of landslide hazard // Nat. Hazards. 1999. Vol. 20. № 2–3. P. 117–135.
118. Guzzetti F., Carrara A., Cardinali M., Reichenbach P. Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study // Central Italy Geomorphol. 1999. Vol. 31. № 1–4. P. 181 –216.
119. Wieczorek G.F. Preparing a detailed landslide-inventory map for hazard evaluation and reduction // Bull. Assoc. Eng. Geol. 1984. Vol. 21. № 3. P. 337–342.
120. Crozier M.J. Multiple occurrence regional landslide events in New Zealand: hazard management issues // Landslides. 2005. Vol. 2. P. 247–256.
121. Reid L.M., Page M.J. Magnitude and frequency of landsliding in a large New Zealand catchment // Geomorphology. 2003. Vol. 49. P. 71–88.
122. Guzzetti F., Cardinali M., Reichenbach P., Carrara A. Comparing landslide maps: a case study in the upper Tiber River Basin, central Italy // Environ. Manage. 2000. Vol. 25. № 3. P. 247–363.
123. Jaiswal P., van Westen C.J. Estimating temporal probability for landslide initiation along transportation routes based on rainfall thresholds // Geomorphology. 2009. Vol. 112. P. 96–105.
124. Squarzoni C., Delacourt C., Allemand P. Nine years of spatial and temporal evolution of the La Vallette landslide observed by SAR interferometry // Eng. Geol. 2003. Vol. 68. P. 53–66.
125. Colesanti C., Wasowski J. Investigating landslides with space-borne Synthetic Aperture Radar (SAR) interferometry // Eng. Geol. 2006. Vol. 88. P. 173–199.
126. Coe J.A., Michael J.A., Crovelli R.A., Savage W.A. Preliminary map showing landslides densities, mean recurrence intervals, and exceedance probabilities as determined from historic records: open-file report 00-303. Seattle: USGS, 2000.
127. Bulut F., Boynukalin S., Tarhan F., Ataoglu E. Reliability of isopleth maps // Bull. Eng. Geol. Environ. 2000. Vol. 58 . P. 95–98.
128. Valadao P., Gaspar J.L., Queiroz G., Ferreira T. Landslides density map of S. Miguel Island, Azores Archipelago // Nat. Hazards Earth Syst. Sci. 2002. Vol. 2. P. 51–56.
129. Lee S. Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data // Int. J. Remote Sens. 2005. Vol. 26. № 7. P. 1477–1491.
130. Yin K.J., Yan T.Z. Statistical prediction model for slope instability of metamorphosed rocks // Proc. 5th Int. Symp. on Landslides, Lausanne, Switzerland, 10–15 July 1988. Vol. 2. P. 1269–1272.
131. Van Westen C.J. Application of geographic information systems to landslide hazard zonation: Ph.D. dissertation, ITC publ. № 15. Enschede: ITC, 1993. 245 p.
132. Bonham-Carter G.F. Geographic information system for geoscientists: modelling with GIS. Oxford: Pergamon, 1994. 398 p.
133. Suzen M.L., Doyuran V. Data driven bivariate landslide susceptibility assessment using geographical information systems: a method and application to Asarsuyu catchment // Turk. Eng. Geol. 2004. Vol. 71. P. 303–321.
134. Chung C.F., Fabbri A.G. Representation of geoscience data for information integration // J. Non-Renew. Resour. 1993. Vol. 2. № 2. P. 122–139.
135. Luzi L. Application of favourability modelling to zoning of landslide hazard in the Fabriano Area, Central Italy // Proc. First Joint Eur. Conf. & Exhibition on Geographical Information, The Hague, Netherlands, 26–31 March 1995. P. 398–402.
136. Carrara A. Multivariate models for landslide hazard evolution // Math. Geol. 1983. Vol. 15. P. 403–427.
137. Gorsevski P.V., Gessler P., Foltz R.B. Spatial prediction of landslide hazard using discriminant analysis and GIS // GIS in the Rockies 2000: Conference and Workshop: Applications for the 21st Century, Denver, CO, USA, 25–27 September 2000. URL; https://studylib.net/doc/12343493/gis-in-the-rockies-2000-conference-and-workshop.
138. Ohlmacher G.C., Davis J.C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas // USA Eng. Geol. 2003. Vol. 69. № 33 . P. 331–343.
139. Gorsevski P.V., Gessler P.E., Foltz R.B., Elliot W.J. Spatial prediction of landslide hazard using logistic regression and ROC analysis // Trans. GIS. 2006. Vol. 10. № 3. P. 395–415.
140. Lee S., Ryu J.-H., Won J.-S., Park H.-J. Determination and application of the weights for landslide susceptibility mapping using an artificial neural network // Eng. Geol. 2004. Vol. 71 . № 3–4. P. 289–302.
141. Ermini L., Catani F., Casagli N. Artificial neural networks applied to landslide susceptibility assessment // Geomorphology. 2005. Vol. 66. P. 327–343.
142. Kanungo D.P., Arora M.K., Sarkar S., Gupta R.P. A comparative study of conventional, ANN black box, fuzzy and combined neural and fuzzy weighting procedures for landslide susceptibility zonation in Darjeeling Himalayas // Eng. Geol. 2006. Vol. 85. № 3–4 . P. 347–366.
143. Pack R.T., Tarboton D.G., Goodwin C.N. The SINMAP approach to terrain stability mapping // 8th Congr. Int. Assoc. Eng. Geol., Vancouver, Canada, 21–25 September 1998.
144. Baum R.L., Savage W.Z., Godt J.W. TRIGRS - a FORTRAN program for transient rainfall infiltration and grid-based regional slope stability analysis: US Geological Survey Open-File Report 02-0424. 2002. URL: http://pubs.usgs.gov/of/2002/ofr-02-424/.
145. Casadei M., Dietrich W.E., Mille N.L. Testing a model for predicting the timing and location of shallow landslide initiation on soil mantled landscapes // Earth Surf. Proc. Land. 2003. Vol. 28. № 9. P. 925–950.
146. Simoni S., Zanotti F., Bertoldi G., Rigon R. Modelling the probability of occurrence of shallow landslides and channelized debris flows using GEOtop-FS // Hydrol. Process. 2008. Vol. 22. P. 532–545.
147. Jibson R.W., Harp E.L., Michael J.A. A method for producing digital probabilistic seismic landslide hazard maps: an example from the Los Angeles, California, area: open file report. Reston, USA: US Geological Survey, 1998. P. 98–113.
148. Wang K.L., Lin M.I. Development of shallow seismic landslide potential map based on Newmark’s displacement: the case study of Chi-Chi earthquake, Taiwan // Environ. Earth Sci. 2010. Vol. 60. P. 775–785.
149. Gunther A. SLOPEMAP: programs for automated mapping of geometrical and kinematical properties of hard rock hill slopes // Comput. Geosci. 2003. Vol. 29. P. 865–875.
150. GEO-SLOPE. SLOPE/W. Calgary, Canada: GEO-SLOPE International, 2011. URL: http://www.geo-slope.com.
151. Hungr O. A model for the run out analysis of rapid flow slides, debris flows and avalanches // Can. Geotech. J. 1995. Vol. 32. P. 610–623.
152. Gitirana Jr.G., Santos M., Fredlund M. Three-dimensional slope stability model using finite element stress analysis // GeoCongress 2008, NewOrleans, LA, USA, 9–12 March 2008. P. 191–198.
153. Hoek E., Grabinsky M.W., Diederichs M.S. Numerical modelling for underground excavations // Trans. Inst. Min. Metall. Sect. A. 1993. Vol. 100. P. A22–A30.
154. Stead D., Eberhardt E., Coggan J., Benko B. Advanced numerical techniques in rock slope stability analysis: applications and limitations // LANDSLIDES – Causes, Impacts and Countermeasures, Davos, Switzerland, 17–21 June 2001. P. 615–624.
155. Hart R.D. An introduction to distinct element modelling for rock engineering // Hudson J.A. (ed). Comprehensive rock engineering. Oxford: Pergamon, 1993.
156. Horton P., Jaboyedoff M., Bardou E. Debris flow susceptibility mapping at a regional scale // Proceedings of the 4th Canadian Conference on Geohazards: From Causes to Management. Quebec, Canada: Presse de l’Universite Laval, 2008. P. 399–406.
157. Hungr O., Corominas J., Eberhardt E. Estimating landslide motion mechanism, travel distance and velocity: state of the art report // Hungr O., Fell R., Couture R., Eberhardt E. (eds). Landslide risk management. Amsterdam: A.A. Balkema, 2005. P. 99–128.
158. Hoblitt R.P., Walder J.S., Driedger C.L., Scott K.M., Pringle P.T., Vallance J.W. Volcano hazards from Mount Rainier, Washington: revised open-file report 98-428. Reston: USGS, 1998.
159. Corominas J., Copons R., Vilaplana J.M., Altimir J., Amigo J. Integrated landslide susceptibility analysis and hazard assessment in the principality of Andorra // Nat Hazards. 2003. Vol. 30 . P. 421–435.
160. Ayala F.J., Cubillo S., Alvarez A., Dominguez M.J., Lain L., Lain R., Ortiz G. Large scale rockfall reach susceptibility maps in La Cabrera Sierra (Madrid) performed with GIS and dynamic analysis at 1:5000 // Nat Hazards. 2003. Vol. 30. P. 325–340.
161. Jaboyedoff M. Conefall v.10: a program to estimate propagation zones of rockfall, based on cone method. Lausanne: Quanterra, 2003. URL: http://www.quanterra.com.
162. Jaboyedoff M., Labiouse V. Preliminary assessment of rockfall hazard based on GIS data // ISRM 2003 «Technology Roadmap for Rock Mechanics», Gauteng, South Africa, 8–12 September 2003. P. 575–578.
163. Prochaska A.B., Santi P.M., Higgins J.D., Cannon S.H. Debris-flow runout predictions based on the average channel slope (ACS) // Eng. Geol. 2008. Vol. 98. P. 29–40.
164. Copons R., Vilaplana J.M. Rockfall susceptibility zoning at a large scale: from geomorphological inventory to preliminary land use planning // Eng. Geol. 2008. Vol. 102. P. 142–151.
165. Li T. A mathematical model for predicting the extent of a major rockfall // Z. Geomorphol. 1983. Vol. 24. P. 473–482.
166. Iverson R.M., Schilling S.P., Vallance J.W. Objective delineation of lahar-inundation hazard zones // Geol. Soc. Am. Bull. 1998. Vol. 110 . № 8. P. 972–984.
167. Rickenmann D. Empirical relationships for debris flows // Nat. Hazards. 1999. Vol. 19. P. 47–77.
168. Berti M., Simoni A. Prediction of debris flow inundation areas using empirical mobility relationships // Geomorphology. 2007. Vol. 90. P. 144–161.
169. Fannin R.J., Wise M.P. An empirical-statistical model for debris flow travel distance // Can. Geotech. J. 2001. Vol. 38. P. 982–994.
170. Domaas U. Geometrical methods of calculating rockfall range: report 585910-1. Oslo: Norwegian Geotechnical Institute, 1994.
171. Hsu K.J. Catastrophic debris stream (sturzstroms) generated by rockfalls // Geol. Soc. Am. Bull. 1975. Vol. 86 . P. 129–140.
172. Evans S.G., Hungr O. The assessment of rockfall hazard at the base of talus slopes // Can. Geotech. J. 1993. Vol. 30. P. 620–636.
173. Scheidegger A. On the prediction of the reach and velocity of catastrophic landslides // Rock Mech. 1973. Vol. 5. P. 231–236.
174. Finlay P.J., Mostyn G.R., Fell R. Landslide risk assessment: prediction of travel distance // Can. Geotech. J. 1999. Vol. 36. P. 556–562.
175. Copons R., Vilaplana J.M., Linares R. Rockfall travel distance analysis by using empirical models (Sola d’Andorra la Vella, Central Pyrenees) // Nat. Hazards Earth Syst. Sci. 2009. Vol. 9. P. 2107–2118.
176. Hungr O., Evans S.G. Engineering evaluation of fragmental rockfall hazards // Proceedings of the 5th International Symposium on Landslides. Lausanne: A.A. Balkema, 1988. Vol. 1. P. 685–690.
177. Rickenmann D. Runout prediction methods // Jakob M., Hungr O. (eds). Debris-flow hazards and related phenomena. Chichester: Praxis, 2005. P. 305–324.
178. Crosta G.B., Cucchiaro S., Frattini P. Validation of semi-empirical relationships for the definition of debris-flow behaviour in granular materials // Proceedings of the 3rd International Conference on Debris-Flow Hazards Mitigation: Mechanics, Prediction and Assessment, Davos, Switzerland, 2003. Rotterdam: Millpress, 2003. P. 821–831.
179. Jaboyedoff M., Dudt J.P., Labiouse V. An attempt to refine rockfall hazard zoning based on the kinetic energy, frequency and fragmentation degree // Nat. Hazards Earth Syst. Sci. 2005. Vol. 5. P. 621–632.
180. Scheidl C., Rickenmann D. Empirical prediction of debris-flow mobility and deposition on fans // Earth Surf. Process. Landf. 2010. Vol. 35. P. 157–173.
181. Piteau D.R., Clayton R. Computer rockfall model // Proc. Meeting on Rockfall Dynamics and Protective Work Effectiveness, ISMES, Bergamo, Italy, 20–21 May 1976. P. 123–125.
182. Stevens W. RocFall: a tool for probabilistic analysis, design of remedial measures and prediction of rockfalls: MaSc thesis. Toronto: University of Toronto, 1998.
183. Guzzetti F., Crosta G., Detti R., Agliardi F. STONE: a computer program for the three-dimensional simulation of rock-falls // Comput. Geosci. 2002. Vol. 28. P. 1081–1095.
184. Guzzetti F., Malamud B.D., Turcotte D.L., Reichenbach P. Power-law correlations of landslide areas in central Italy // Earth Planet. Sci. Lett. 2002. Vol. 195. P. 169–183.
185. Pfeiffer T.J., Bowen T.D. Computer simulations of rockfalls // Bull. Assoc. Eng. Geol. 1989 . Vol. 26. P. 135–146.
186. Jones C.L., Higgins J.D., Andrew R.D. Colorado Rock Fall Simulation Program, version 40. Denver: Colorado Department of Transportation, Colorado Geological Survey, 2000.
187. Crosta G.B., Agliardi F., Frattini P., Imposimato S. A three-dimensional hybrid numerical model for rockfall simulation // Geophys. Res. Abstr. 2004. Vol. 6. P. 04502.
188. Bozzolo D., Pamini R. Simulation of rock falls down a valley side // Acta Mech. 1986. Vol. 63. P. 113–130.
189. Azzoni A., La Barbera G., Zaninetti A. Analysis and prediction of rock falls using a mathematical model // Int. J. Rock Mech. Min. Sci. Geomech. Abstr. 1995. Vol. 32. P. 709–724.
190. Calvetti F., Crosta G., Tatarella M. Numerical simulation of dry granular flows: from the reproduction of small-scale experiments to the prediction of rock avalanches // Rivista Italiana di Geotecnica. 2000. Vol. 2000. P. 21–38.
191. Agliardi F, Crosta GB. High resolution three-dimensional numerical modelling of rockfalls // Int. J. Rock Mech. Min. Sci. 2003. Vol. 40. P. 455–471.
192. Dorren L.K.A., Seijmonsbergen A.C. Comparison of three GIS-based models for predicting rockfall runout zones at a regional scale // Geomorphology. 2003. Vol. 56. P. 49–64.
193. Hutchinson J.N. A sliding-consolidation model for flow slides // Can. Geotech. J. 1986. Vol. 23. P. 115–126.
194. Alonso E.E., Pinyol N.M. Criteria for rapid sliding I: a review of the Vaiont case // Eng. Geol. 2010. Vol. 114. P. 198–210.
195. Pinyol N.M., Alonso E.E. Criteria for rapid sliding II: thermo-hydro-mechanical and scale effects in Vaiont case // Eng. Geol. 2010. Vol. 114. P. 211–227.
196. Savage S.B., Hutter K. The dynamics of avalanches of granular materials from initiation to runout. Part I: Analysis // Acta Mech. 1991. Vol. 86. № 1–4 . P. 201–223.
197. McDougall S., Hungr O. A model for the analysis of rapid landslide run out motion across three dimensional terrain // Can. Geotech. J. 2004. Vol. 41. P. 1084–1097.
198. Pastor M., Haddad B., Sorbino G., Cuomo S., Drempetic V. A depth-integrated, coupled SPH model for flow-like landslides and related phenomena // Int. J. Numer. Anal. Meth. Geomech. 2009. Vol. 33. P. 143–172.
199. Iverson R.I., Denlinger R.P. Flow of variably fluidized granular masses across three dimensional terrain. Coulomb mixture theory // J. Geophys. Res. 2001. Vol. 106. № B1. P. 537–552.
200. Sosio R., Crosta G.B., Hungr O. Complete dynamic modelling calibration for the Thurwieser rock avalanche (Italian Central Alps) // Eng. Geol. 2008. Vol. 100. P. 11–26.
201. Quecedo M., Pastor M., Herreros M.I., Fernandez Merodo J.A. Numerical modelling of the propagation of fast landslides using the finite element method // Int. J. Numer. Meth. Eng. 2004 . Vol. 59 . № 6. P. 755–794.
202. Crosta G.B., Imposimato S., Roddeman D.G. Numerical modelling of entrainment/deposition in rock and debris-avalanches // Eng. Geol. 2008. Vol. 109. № 1–2. P. 135–145.
203. Pastor M., Quecedo M., Fernandez Merodo J.A., Herreros M.I., Gonzalez E., Mira P. Modelling tailing dams and mine waste dumps failures // Geotechnique. 2002. Vol. LII. № 8. P. 579–592.
204. Laigle D., Coussot P. Numerical modelling of mudflows // J. Hydraul. Eng. ASCE, 1997. Vol. 123. № 7. P. 617–623.