图 1.安道尔研究区和滑坡清单。a）安道尔在比利牛斯山脉的位置。b） 由 5 m DEM 计算的坡度角图。红点表示清单中包含的浅层滑坡和泥石流的起点。（有关此图例中对颜色的引用的解释，读者可参考本文的网络版本。
图 2.分析安道尔滑坡清单和滑坡引发的一些控制因素的影响。a） 高程，b） 坡度，c） 土地利用和土地覆盖 （LULC），d） 流量积累。
图 3.FSLAM 中应用的岩土工程模型。无限坡度模型包括一个给定厚度的土层，其下限是不透水基岩。
图 4.FSLAM 中纳入的水文模型。a） 合并前先降雨量 （P一个） 通过侧向层析方法。b） 合并事件降雨量 （Pe） 通过垂直流方法。
图 9.FSLAM 模型中使用的输入栅格地图，用于安道尔。a） 数字高程模型，b） 重新分类的土地利用和土地覆被地图，以及 c） 提供土壤栅格的重新分类地貌地图。
图 10.磁化率图与安道尔滑坡清单之间的比较，显示了 FSLAM 在不同情景下计算的故障概率 （PoF）。a） 的 PoF 映射P一个= 0 mm/d 且Peb） 当P一个= 1 mm/d 且Pec） 指示无条件稳定和无条件不稳定的细胞的图。a） 中的黄色矩形表示图 14 中分析的特定区域。（有关此图例中对颜色的引用的解释，读者可参考本文的网络版本。
图 11.安道尔滑坡清单的 FSLAM 模型评估和降雨影响分析。将库存点与“无降雨”情景 （a） 和“降雨”情景 （b） 下随机选择的点进行比较。
图 12.安道尔滑坡清单的 ROC 分析结果比较了随机输入参数的不同选项。a） 假阳性 （FP） - 率与真阳性 （TP） - ROC 曲线的比率。b） 故障概率阈值 （PoF） 与精度曲线。
图 13.两个降雨量输入（前提 （P一个） 和事件降雨量 （Pe）） 对安道尔具有临界稳定性条件的研究区域的百分比 （PoF > 0.5）。
图 14.两个选定区域和四种不同降雨情景的故障概率 （PoF） 图：a） 和 e）P一个= 0 毫米/天Pe= 0 mm，b） 和 f）P一个= 0 毫米/天Pe= 100 mm，c） 和 g）P一个= 1 毫米/天，Pe= 0 mm，d） 和 h）P一个= 1 毫米/天Pe= 100 mm。参见图 10 了解两个选定区域的确切位置。
区域尺度（>100 km）降雨诱发浅坡破坏的敏感性评价2） 是一项复杂的任务。在本研究中，提出了一种称为 FSLAM 的新模型，旨在实现对大面积滑坡敏感性的快速评估。
敏感性分析和帕累托图显示，内聚 （Cr和Cs） 和摩擦角 （φ） 是最重要的输入参数。因此，它们作为随机输入参数包含在模型中。相比之下，其他五个属性（z、K、n、CN 和ρs） 对稳定性条件的重要性较小，并被选为确定性输入参数。此外，敏感性分析表明，考虑到本研究中选择的参数范围和默认值，前身降雨的影响大于事件降雨。
FSLAM 模型在安道尔应用和验证，安道尔面积约 470 公里2共有 164 个记录的山体滑坡起始点。对大约 1900 万个像素大小为 5 × 5 m 的细胞进行了计算2.模拟表明，最终光栅文件的写入时间远长于稳定性计算。计算时间的比较表明，随机稳定性计算仅持续 3 s，而包括写入光栅文件在内的整个运行持续 2 min。
考虑到 ROC 分析，易发性图和安道尔滑坡清单之间的比较提供了令人满意的结果。定量检查模型性能并计算出 AUC 值为 0.77。当比较 PoF 的不同阈值时，准确率值的变化受到限制。这一结果表明，该模型是稳健的，当在风险评估期间必须区分稳定和不稳定的条件时，PoF – 阈值 0.5 似乎就足够了。这项研究表明，基于物理的模型 FSLAM 是一种非常快速地预测区域范围内降雨诱发滑坡敏感性的有效工具。所提出的模型仍然存在缺点，可能需要改进。然而，目标是开发一个快速简单的模型，因此，像在降雨期间与垂直水流进入土壤相关的水文计算中采用的简化是合理的。
最后但同样重要的是，FSLAM 未来可以应用于其他存在浅层滑坡的山区，以评估其滑坡的易感性。它也是一个有用的模型，可用于研究许多不同情景，例如处理气候变化或土地利用和土地覆被变化的情景。生成的地图可以很容易地纳入山体滑坡风险管理和缓解策略，从而帮助决策者选择土地利用规划的预防措施。
