即降雨门槛值的概念.pptVIP

* * * 結果 結果與討論 Burliyar東側的區段，15年內降雨量超過門檻值總共53次， 因此，各發生間距之平均值(μ)為15/53或0.28。 降雨量超過門檻值總共53次中，有17次誘發崩塌，相應之機率為P{L| RRT} 17/53或0.32。 * 發生崩塌之時間機率為兩者相乘： (i) 降雨門檻值之年超越機率，即一年內超越門檻值之機率， (ii)當超過雨量門檻值時，崩塌之發生機率P{L| RRT}. 結果 結果與討論 超過60％的崩塌發生在高時間發生機率之區段(0.40) ，只有7％發生在最低時間發生機率之區段(0.27)。 67 93 * 結果 結果與討論 在資料上，有82%的紀錄屬於鐵路邊坡，而缺乏公路邊坡的資料，研究者推斷這個現象是由於公路邊坡崩塌可能規模較小，並未造成損失因此沒有被記錄。 降雨門檻值會隨著局部地形條件的改變而變化，因此降雨門檻值可視為地形潛感的代替指標。 各分區之降雨門檻值差異甚大，因此在訂定一地區之降雨門檻值前，需經過合適程度的篩選。 * 討論 結果與討論 原則上來說，當降雨量超過門檻值時，將誘發1個或1個以上的崩塌，但實際上，其誘發機率約只有0.32～0.73，代表有其他因子，如土壤剪應力、地形、地下水飽和情況等亦會影響崩塌發生與否。 計算中顯示，以崩塌件數為變因，會顯著影響時間機率的計算，(15件以上 0.63 、 1件以上0.97) 儘管一年超越門檻值的機率高，但實際誘發率從32%~73%不等，故研究中使用10~12月，誘發率則為27%~49% * 討論 結果與討論 本研究的顯示，時間機率模式，需要高精度崩塌時間與日雨量資料結合良好的雨量監測系統。 時間機率模式，較適用於相似地質環境下，預測淺層崩塌以及挖方坡面因降水誘發的崩塌；一般自然邊坡、落石則較不適用。 * 結論 結果與討論 Thanks for listening. * * * * * * * * * * * * * * * * * * * * * * * * * 以降雨門檻值為基礎，計算交通路徑沿線之崩塌啟動時間機率。 水保碩一 7101042003 王強 Pankaj Jaiswal and Cees J. van Westen 指導教授：陳樹群老師 授課教授：謝平城老師 Estimating temporal probability for landslide initiation along transportation routes based on rainfall thresholds 大綱 摘要 介紹 模式與方法 結果與討論 研究試區自然情況及資料測站。 初步概述研究方法及結果。 說明使用之機率模式及聯合機率方法。 時間機率分析結果與討論。 * 摘要 介紹 模式與方法 結果與討論 摘要 研究對象為南印度鐵路沿線的淺層崩塌 以降雨門檻值與針對誘發崩塌對應降雨強度給予發生機率建立模式。 降雨門檻值以日降雨量及臨前降雨量關係為基礎。 年度超越門檻值資料，使用泊松機率模型計算。 配合實際資料取得超越門檻值後實際會發生機率。 將前述兩機率取聯合機率。 研究結果顯示超過60％之已知崩塌地發生在高時間機率值之區域。 * * 流程 摘要 試區決定 資料蒐集 建立簡單 機率模式 驗證 門檻值 計算 門檻值 使用時間機率模型 資料建立 實際機率 聯合機率 結果驗證 P1*P2 散布圖 回歸分析 由未參與建模資料 柏松分配 P1*P2 摘要 介紹 模式與方法 結果與討論 文獻 介紹 * 降雨誘發崩塌的時間機率，可由評估降雨事件的時間機率著手計算，而降雨事件又可從最小強度或最小延時進行分析，即降雨門檻值的概念。 推估崩塌時間機率的經驗方法： 分析有誘發崩塌的降雨事件計算出之門檻值， 最常使用之經驗方法以降雨強度及延時為主， 需要高品質及高時間解析度之資料。 鐵公路大致平行 位於南方坡面上 試區 介紹 * 鐵路：19km 公路：26km 位於熱帶氣候(約10°N)， 物理、化學風化皆強， 風化層於挖方坡面觀察， 最厚可至20m 崩塌分布 介紹 4個區段 15個，圖上僅標示14個 區內崩塌多為因降雨所造成的淺層岩碎滑動（97.2％） 土石流僅占2.4％。 單個崩塌體積小，平均體積為404m3；但數量多，1987～2007年有790個，94％位於切腳邊坡。 平均每年發生20個崩塌 * 本區之降雨主要在兩個時期 4月～8月（正常雨季）及10月～12月（後移雨季） 。 10月～12月降雨天數少於4月～8月，但此時期之降雨約佔全年降雨量之50％，且其單日最大降雨量約為正常雨季之2倍。 誘發崩塌的降雨量變化大， 且由