[论文解读] Geostatistical modeling to capture seismic-shaking patterns from earthquake-induced landslides

Luigi Lombardo, Haakon Bakka+4 more|University of Twente Research Information|Jul 23, 2018

Landslides and related hazards被引用 5

一句话总结

本文提出一种基于潜在空间效应（LSE）的地质统计学模型，用于在缺乏先验地震数据的情况下，从地震诱发滑坡分布重建地震震动模式。LSE在捕捉空间震动模式方面优于仅使用地震参数的模型，并且在预测滑坡强度方面比传统模型更准确，表明其在滑坡灾害评估中可作为未知地面运动的替代指标。

ABSTRACT

In this paper, we investigate earthquake-induced landslides using a geostatistical model that includes a latent spatial effect (LSE). The LSE represents the spatially structured residuals in the data, which are complementary to the information carried by the covariates. To determine whether the LSE can capture the residual signal from a given trigger, we test whether the LSE is able to capture the pattern of seismic shaking caused by an earthquake from the distribution of seismically induced landslides, without prior knowledge of the earthquake being included in the statistical model. We assess the landslide intensity, i.e., the expected number of landslide activations per mapping unit, for the area in which landslides triggered by the Wenchuan (M 7.9, May 12, 2008) and Lushan (M 6.6, April 20, 2013) earthquakes overlap. We chose an area of overlapping landslides in order to test our method on landslide inventories located in the near and far fields of the earthquake. We generated three different models for each earthquake-induced landslide scenario: i) seismic parameters only (as a proxy for the trigger); ii) the LSE only; and iii) both seismic parameters and the LSE. The three configurations share the same set of morphometric covariates. This allowed us to study the pattern in the LSE and assess whether it adequately approximated the effects of seismic wave propagation. Moreover, it allowed us to check whether the LSE captured effects that are not explained by the shaking levels, such as topographic amplification. Our results show that the LSE reproduced the shaking patterns in space for both earthquakes with a level of spatial detail even greater than the seismic parameters. In addition, the models including the LSE perform better than conventional models featuring seismic parameters only.

研究动机与目标

• 检验潜在空间效应（LSE）是否能在不依赖地震地面运动先验知识的情况下，仅从地震诱发滑坡分布重建地震震动的空间模式。
• 评估LSE是否能捕捉地震参数无法解释的空间结构，例如地形放大效应。
• 比较仅使用地震参数、仅使用LSE以及两者结合的模型在预测滑坡强度方面的性能。
• 评估LSE在滑坡灾害建模中作为未知或不可靠地震数据的可靠替代指标的能力。
• 证明滑坡强度模型相较于传统易损性模型，对风险评估和基础设施规划更具信息价值。

提出的方法

• 本研究采用具有泊松似然的对数高斯Cox过程模型，以预测每个制图单元的滑坡强度。
• 引入潜在空间效应（LSE）以捕捉由观测协变量无法解释的空间结构残差。
• 测试三种模型配置：仅使用地震参数、仅使用LSE，以及两者结合，均使用相同的形态学协变量集。
• 利用集成嵌套拉普拉斯近似（INLA）估计LSE，以实现高效的贝叶斯推断。
• 该模型应用于中国四川省2008年映秀—北川地震和2013年芦山地震的重叠滑坡清单。
• 通过在不同空间尺度（像素级和坡面单元级）上比较预测的滑坡数量和空间模式与实际清单，评估模型性能。

实验结果

研究问题

• RQ1 当模型中不包含地震数据时，潜在空间效应（LSE）能否从滑坡分布中重建地震震动的空间模式？
• RQ2 LSE在预测滑坡强度空间分布方面与地震参数（如PGA、PGV）相比表现如何？
• RQ3 LSE是否能捕捉到仅靠地面运动参数无法解释的空间效应，例如地形放大效应？
• RQ4 与仅依赖地震参数的模型相比，LSE在多大程度上提升了滑坡强度的预测性能？
• RQ5 LSE能否在滑坡灾害建模中作为未知或低质量地震数据的可靠替代指标？

主要发现

• LSE成功地以比仅使用地震参数更高的空间细节，重建了映秀—北川和芦山地震的地震震动空间模式。
• 对于芦山地震，LSE模式与实测震级（MI）高度吻合，表明其具有极高的重建精度。
• 对于映秀—北川地震，LSE与MI之间存在微小差异，但LSE仍准确捕捉了主要空间趋势。
• 包含LSE的模型在预测滑坡强度方面显著优于仅使用地震参数的模型。
• 在坡面单元级别，模型表现优异，芦山地震预测滑坡数为8120（实际为7868），映秀—北川地震为987（实际为928）。
• 在像素尺度上，泊松模型因变异系数较高而出现过度离散化，但在更粗粒度的聚合层级上性能显著提升，证实了分层制图单元的价值。