Rockfall susceptibility and network-ranked susceptibility along the Italian railway — ГеоИнфо — метапортал для инженеров
Реклама
  • Реклама, 0+, ИП Ананко В.Н. ИНН 770465006457
  • erid: 2vfnxysa8x4
Блоги ГеоИнфо Блоги ГеоИнфо
Реклама
  • Реклама, 0+, ИП Ананко В.Н. ИНН 770465006457
  • erid: 2vfnxxo6sus
Блоги ГеоИнфо Блоги ГеоИнфо
Реклама
  • Реклама, 0+. АО «Мостдоргеотрест» ИНН 7716750744
  • erid: 2vfnxwa1cem
Баннер МОСТДОРГЕОТРЕСТ правая колонка Баннер МОСТДОРГЕОТРЕСТ правая колонка
Реклама
  • Реклама, 0+. ООО «ИнжПроектСтрой» ИНН 5902163884
  • erid: 2vfnxvifrnd
Баннер MalininSoft правая колонка Баннер MalininSoft правая колонка
Реклама
  • Реклама, 0+. ООО "КазГеоЛаб" ИНН 1660097939
  • erid: 2vfnxxnzezx
Баннер Казгеолаб в правой колонке Баннер Казгеолаб в правой колонке
Геориск

Ранжирование итальянской железнодорожной сети по подверженности камнепадам и чувствительности к ним

Альвьоли М.
Альвьоли М.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Сантанджело М.
Сантанджело М.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета Италии (IRPI-CNR), г. Перуджа, Италия
Фьоруччи Ф.
Фьоруччи Ф.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Кардинали М.
Кардинали М.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Маркезини И.
Маркезини И.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Райхенбах П.
Райхенбах П.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Росси М.
Росси М.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Гуццетти Ф.
Гуццетти Ф.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Перуккаччи С.
Перуккаччи С.
Научно-исследовательский институт гидрогеологической защиты Национального исследовательского совета (IRPI-CNR), г. Перуджа, Италия
Скачать статью Скачать статью

Представляем вниманию читателей адаптированный и немного сокращенный перевод статьи «Ранжирование итальянской железнодорожной сети по подверженности камнепадам и чувствительности к ним» [1], которая была опубликована издательством Elsevier в 2021 году на английском языке в журнале Engineering Geology и находится в открытом доступе (онлайн) по лицензии CC-BY-4.0. Эта лицензия позволяет копировать, адаптировать, переделывать и использовать материал для любых целей, даже коммерческих, при условии указания типов изменений и ссылки на первоисточник. В нашем случае полная ссылка на первоисточник [1] приведена в конце перевода. Авторами указанной статьи являются специалисты из Научно-исследовательского института гидрогеологической защиты Национального исследовательского совета Италии – Массимилиано Альвьоли, Микеле Сантанджело, Федерика Фьоруччи, Мауро Кардинали, Иван Маркезини, Паола Райхенбах, Мауро Росси, Фаусто Гуццетти и Сильвия Перуккаччи. Камнепады представляют значительную угрозу для наземного транспорта из-за их быстроты, разрушительного потенциала и высокой вероятности возникновения на крутых склонах, которые часто встречаются вдоль автомобильных и железных дорог. Подходы к оценке подверженности камнепадам варьируют от чисто феноменологических и статистических методов, пригодных для моделирования больших территорий, до чисто детерминистских методов, которые обычно проще использовать для локального анализа. Общим требованием является необходимость определения потенциальных мест отрыва каменного материала, часто встречающихся наверху склонов или обрывов, и последующая оценка зон транзита камнепадов. Авторы работы [1] выполнили физически обоснованный анализ подверженности камнепадам железнодорожной сети Италии на площади 25 400 км2. Выборка источников камнепадов, нанесенная на карту экспертами, помогла разработать вероятностную идентификацию потенциальных источников на основе цифровой модели рельефа и углов наклона поверхности. Расположение источников было ключевым исходным материалом для трехмерного моделирования зон транзита камнепадов из любого возможного источника в программе STONE. Сегменты железнодорожной сети были разделены на классы по подверженности камнепадам и на классы по их значимости для работы всей сети. В результате была разработана совместная классификация сегментов (и соответствующая карта) как на основе подверженности камнепадам, так и на основе значимости каждого сегмента в сети. Эти карты могут быть полезны для последующей оценки рисков и определения приоритетов повышения безопасности участков итальянской железнодорожной сети в национальном масштабе. Перевод статьи подготовлен при поддержке компании «ГАБИОНЫ МАККАФЕРРИ СНГ» – партнера и одного из генеральных спонсоров журнала «ГеоИнфо».

DOI: 10.58339/2949-0677-2023-5-1-48-71
УДК: 550.8.053
Финансирование: Нет информации
Ссылка для цитирования: Альвьоли М., Сантанджело М., Фьоруччи Ф., Кардинали М., Маркезини И., Райхенбах П., Росси М., Гуццетти Ф., Перуккаччи С. Ранжирование итальянской железнодорожной сети по подверженности камнепадам и чувствительности к ним (пер. с англ.) // ГеоИнфо. 2023. № 1. С. 48–71 doi:10.58339/2949-0677-2023-5-1-48-71
Статья в РИНЦ: https://www.elibrary.ru/item.asp?id=50348946
Ключевые слова: камнепад; транспортная сеть; физически обоснованное компьютерное моделирование; подверженность камнепадам
Список литературы
  1. Agliardi, F., Crosta, G.B., 2003. High resolution three-dimensional numerical modelling of rockfalls. Int. J. Rock Mech. Min. Sci. 40, 455–471. https://doi.org/10.1016/ S1365-1609(03)00021-2.
  2. Albert, R., Jeong, H., Barabasi, A.L., 2000. Error and attack tolerance of complex networks. Nature 406, 378–382. https://doi.org/10.1038/35019019.
  3. Alvioli, M., 2020. Administrative boundaries and urban areas in Italy: A perspective from scaling laws. Landsc. Urban Plan. 204, 103906. https://doi.org/10.1016/j. landurbplan.2020.103906.
  4. Alvioli, M., Marchesini, I., Reichenbach, P., Rossi, M., Ardizzone, F., Fiorucci, F., Guzzetti, F., 2016. Automatic delineation of geomorphological slope units with r. slopeunits v1.0 and their optimization for landslide susceptibility modeling. Geosci. Model Dev. 9, 3975–3991. https://doi.org/10.5194/gmd-9-3975-2016.
  5. Alvioli, M., Guzzetti, F., Marchesini, I., 2020a. Parameter-free delineation of slope units and terrain subdivision of Italy. Geomorphology 358, 107124. https://doi.org/ 10.1016/j.geomorph.2020.107124.
  6. Alvioli, M., Santangelo, M., Fiorucci, F., Cardinali, M., Marchesini, I., Reichenbach, P., Rossi, M., 2020b. A data-driven method for assessing the probability for terrain grid cells of initiating rockfalls on a large area. In: Alvioli, M., Marchesini, I., Melelli, L., Guth, P. (Eds.), Proceedings of the sixth Geomorphometry conference: Geomorphometry 2020, CNR Edizioni, Rome, Perugia, Italy. https://doi.org/ 10.30437/geomorphometry2020_43.
  7. Amato, G., Fiorucci, M., Martino, S., Lombardo, L., Palombi, L., 2020. Earthquake–Triggered Landslide Susceptibility in Italy by Means of Artificial Neural Network. https://doi.org/10.31223/X59W39.
  8. Barthelemy, M., 2011. Spatial networks. Phys. Rep. 499, 1–101. https://doi.org/ 10.1016/j.physrep.2010.11.002.
  9. Bassolas, A., Gallotti, R., Lamanna, F., Lenormand, M., Ramasco, J.J., 2020. Scaling in the recovery of urban transportation systems from massive events. Sci. Rep. 10, 2746. https://doi.org/10.1038/s41598-020-59576-1.
  10. Battaglini, L., Campo, V., Cipolloni, C., Congi, M.P., Delogu, D., Ventura, R., 2012. Carta geologica d’Italia alla scala 1:100,000. WWW site. ISPRA. Via Vitaliano Brancati, 48 — 00144 Rome, Italy. URL. http://193.206.192.231/carta_geologica_italia/ cartageologica. htm.
  11. Bornaetxea, T., Rossi, M., Marchesini, I., Alvioli, M., 2018. Effective surveyed area and its role in statistical landslide susceptibility assessments. Nat. Hazards Earth Syst. Sci. 18, 2455–2469. https://doi.org/10.5194/nhess-18-2455-2018.
  12. Bourrier, F., Dorren, L., Hungr, O., 2013. The use of ballistic trajectory and granular flow models in predicting rockfall propagation. Earth Surf. Process. Landf. 38, 435–440. https://doi.org/10.1002/esp.3372.
  13. Bucci, F., Santangelo, M., Fongo, L., Marchesini, I., Alvioli, M., Cardinali, M., Melelli, L., 2021. A new lithological Map of Italy at 1:100,000 Scale for geo-mechanical modeling. In preparation.
  14. Buyer, A., Aichinger, S., Schubert, W., 2020. Applying photogrammetry and semi-automated joint mapping for rock mass characterization. Eng. Geol. 264, 105332. https://doi.org/10.1016/j.enggeo.2019.105332.
  15. Camilo, D.C., Lombardo, L., Mai, P.M., Dou, J., Huser, R., 2017. Handling high predictor dimensionality in slope-unit-based landslide susceptibility models through lasso- penalized generalized linear model. Environ. Model. Softw. 97, 145-156. https://doi.org/10.1016/j.envsoft.2017.08.003.
  16. Casagrande, L., Cavallini, P., Frigeri, A., Furieri, A., Marchesini, I., Neteler, M., 2007. GIS Open Source. Flaccovio, Palermo (In Italian).
  17. Cats, O., Yap, M., van Oort, N., 2016. Exposing the role of exposure: Public transport network risk analysis. Transp. Res. A Policy Pract. 88, 1-14. https://doi.org/10.1016/j.tra.2016.03.015.
  18. Chartrand, G., Chartrand, G., Lesniak, L., Lesniak, L., Zhang, P., 1993. Graphs & Digraphs. Chapman and Hall/CRC, Boca Raton, FL.
  19. Chen, Z., Liang, S., Ke, Y., Yang, Z., Zhao, H., 2020. Landslide susceptibility assessment using different slope units based on the evidential belief function model. Geocarto Int. 35, 1641-1664. https://doi.org/10.1080/10106049.2019.1582716.
  20. Cohen, R., Erez, K., Ben Avraham, D., Havlin, S., 2000. Resilience of the internet to random breakdowns. Phys. Rev. Lett. 85, 4626-4628. https://doi.org/10.1103/PhysRevLett.85.4626.
  21. Collins, B.D., Stock, G.M., 2016. Rockfall triggering by cyclic thermal stressing of exfoliation fractures. Nat. Geosci. 9, 395-400. https://doi.org/10.1038/ngeo2686.
  22. Corominas, J., Mavrouli, O., Ruiz-Carulla, R., 2018. Magnitude and frequency relations: are there geological constraints to the rockfall size? Landslides 15, 829-845. https://doi.org/10.1007/s10346-017-0910-z.
  23. Delonca, A., Gunzburger, Y., Verdel, T., 2014. Statistical correlation between meteorological and rockfall databases. Nat. Hazards Earth Syst. Sci. 14, 1953-1964. https://doi.org/10.5194/nhess-14-1953-2014.
  24. Evans, S.G., Hungr, O., 1993. The assessment of rockfall hazard at the base of talus slopes. Can. Geotech. J. 30, 620-636. https://doi.org/10.1139/t93-054.
  25. Fongo, L., 2018. Verso una nuova carta litologica d'Italia in scala 1:100,000 (in Italian) Master Thesis. University of Perugia.
  26. Frattini, P., Crosta, G., Carrara, A., Agliardi, F., 2008. Assessment of rockfall susceptibility by integrating statistical and physically- based approaches. Geomorphology 94, 419-437. https://doi.org/10.1016/j.geomorph.2006.10.037. GIS technology and models for assessing landslide hazard and risk.
  27. Freeman, L.C., 1978. Centrality in social networks conceptual clarification. Soc. Networks 1, 215-239. https://doi.org/10.1016/0378- 8733(78)90021-7.
  28. Giordan, D., Adams, M.S., Aicardi, I., Alicandro, M., Allasia, P., Baldo, M., Berardinis, P. D., Dominici, D., Godone, D., Hobbs, P., Lechner, V., Niedzielski, T., Piras, M., Rotilio, M., Salvini, R., Segor, V., Sotier, B., Troilo, F., 2020. The use of unmanned aerial vehicles (uavs) for engineering geology applications. Bull. Eng. Geol. Environ. 79, 3437-3481. https://doi.org/10.1007/s10064-020- 01766-2.
  29. Guzzetti, F., Reichenbach, P., 1994. Towards a definition of topographic divisions for Italy. Geomorphology 11, 57-74. https://doi.org/10.1016/0169- 555X(94)90042-6.
  30. Guzzetti, F., Crosta, G., Detti, R., Agliardi, F., 2002. STONE: a computer program for the three-dimensional simulation of rock-falls. Comput. Geosci. 28, 1079-1093. https://doi.org/10.1016/S0098- 3004(02)00025-0.
  31. Guzzetti, F., Reichenbach, P., Wieczorek, G.F., 2003. Rockfall hazard and risk assessment in the Yosemite Valley, California, USA. Nat. Hazards Earth Syst. Sci. 3, 491-503. https://doi.org/10.5194/nhess-3-491-2003.
  32. Guzzetti, F., Reichenbach, P., Ghigi, S., 2004. Rockfall hazard and risk assessment along a transportation corridor in the Nera Valley, Central Italy. Environ. Manag. 34, 191-208. https://doi.org/10.1007/s00267-003-0021-6.
  33. Guzzetti, F., Gariano, S.L., Peruccacci, S., Brunetti, M.T., Marchesini, I., Rossi, M., Melillo, M., 2020. Geographical landslide early warning systems. Earth Sci. Rev. 200, 102973. https://doi.org/10.1016/j.earscirev.2019.102973.
  34. Hungr, O., Evans, S.G., Hazzard, J., 1999. Magnitude and frequency of rock falls and rock slides along the main transportation corridors of southwestern British Columbia. Can. Geotech. J. 36, 224-238. https://doi.org/10.1139/t98-106.
  35. ISPRA, 2018. Landslides and floods in Italy: hazard and risk indicators — Summary Report 2018. Technical report. The Institute for Environmental Protection and Research, Via Vitaliano Brancati, 48 — 00144 Rome, Italy. URL. http://www. isprambiente.gov.it.287/bis/2018.
  36. Jaboyedoff, M., Oppikofer, T., Abellan, A., Derron, M.H., Loye, A., Metzger, R., Pedrazzini, A., 2012. Use of LIDAR in landslide investigations: a review. Nat. Hazards 61, 5-28. https://doi.org/10.1007/s11069-010-9634-2.
  37. Jacobs, L., Kervyn, M., Reichenbach, P., Rossi, M., Marchesini, I., Alvioli, M., Dewitte, O., 2020. Regional susceptibility assessments with heterogeneous landslide information: Slope unit- vs. pixel-based approach. Geomorphology 356, 107084. https://doi.org/ 10.1016/j.geomorph.2020.107084.
  38. Katifori, E., Szollosi, G.J., Magnasco, M.O., 2010. Damage and fluctuations induce loops in optimal transport networks. Phys. Rev. Lett. 104, 048704 https://doi.org/ 10.1103/PhysRevLett.104.048704.
  39. Kurant, M., Thiran, P., 2006. Extraction and analysis of traffic and topologies of transportation networks. Phys. Rev. E 74 (3), 036114. https://doi.org/10.1103/PhysRevE.74.036114.
  40. Li, L., Lan, H., 2020. Integration of spatial probability and size in slope-unit-based landslide susceptibility assessment: A case study. Int. J. Environ. Res. Public Health 17, 8055. https://doi.org/10.3390/ijerph17218055.
  41. Li, H., Li, X., Li, W., Zhang, S., Zhou, J., 2019. Quantitative assessment for the rockfall hazard in a post-earthquake high rock slope using terrestrial laser scanning. Eng. Geol. 248, 1-13. https://doi.org/10.1016/j.enggeo.2018.11.003.
  42. Lu, L., Zhang, M., 2013. Edge betweenness centrality. In: Dubitzky, W., Wolkenhauer, O., Cho, K.H., Yokota, H. (Eds.), Encyclopedia of Systems Biology. Springer New York, New York, NY, pp. 647-648. https://doi.org/10.1007/978-1-4419-9863-7_874.
  43. Macciotta, R., Martin, C.D., Edwards, T., Cruden, D.M., Keegan, T., 2015. Quantifying weather conditions for rock fall hazard management. Georisik 9, 171-186. https://doi.org/10.1080/17499518.2015.1061673.
  44. Marchesini, I., Rossi, M., Alvioli, M., Santangelo, M., Cardinali, M., 2020. Slope-catchment area relationship for debris-flow source area identification. In: Alvioli, M., Marchesini, I., Melelli, L., Guth, P. (Eds.), Proceedings of the sixth Geomorphometry conference: Geomorphometry 2020, CNR Edizioni, Rome, Perugia, Italy. https://doi.org/10.30437/geomorphometry2020_47.
  45. Matas, G., Lantada, N., Corominas, J., Gili, J., Ruiz-Carulla, R., Prades, A., 2017. Simulation of full-scale rockfall tests with a fragmentation model. Landslides 14, 1565-1578. https://doi.org/10.1007/s10346-017-0818-7.
  46. Matas, G., Lantada, N., Corominas, J., Gili, J., Ruiz-Carulla, R., Prades, A., 2020. Simulation of full-scale rockfall tests with a fragmentation model. Geosciences 10, 168. https://doi.org/10.3390/geosciences1005168.
  47. Matasci, B., Stock, G.M., Jaboyedoff, M., Carrea, D., Collins, B.D., Guerin, A., Matasci, G., Ravanel, L., 2018. Assessing rockfall susceptibility in steep and overhanging slopes using three-dimensional analysis of failure mechanisms. Landslides 15, 859-878. https://doi.org/10.1007/s10346-017-0911-y.
  48. Mattsson, L.G., Jenelius, E., 2015. Vulnerability and resilience of transport systems — a discussion of recent research. Transp. Res. A Policy Pract. 81, 16-34. https://doi.org/10.1016/j.tra.2015.06.002. Resilience of Networks.
  49. Mavrouli, O., Corominas, J., 2020. Evaluation of maximum rockfall dimensions based on probabilistic assessment of the penetration of the sliding planes into the slope. Rock Mech. Rock. Eng. 53, 2301-2312. https://doi.org/10.1007/s00603-020-02060-z.
  50. Melillo, M., Gariano, S., Peruccacci, S., Sarro, R., Mateos, R.M., Brunetti, M.T., 2020. Rainfall and rockfalls in the Canary Islands: assessing a seasonal link. Nat. Hazards Earth Syst. Sci. 20, 2307-2317. https://doi.org/10.5194/nhess-20-2307-2020.
  51. Melzner, S., Rossi, M., Guzzetti, F., 2020. Impact of mapping strategies on rockfall frequency-size distributions. Eng. Geol. 272, 105639. https://doi.org/10.1016/j.enggeo.2020.105639.
  52. Menegoni, N., Giordan, D., Perotti, C., 2021. An open-source algorithm for 3d rock slope kinematic analysis (roka). Appl. Sci. 11 https://doi.org/10.3390/app11041698.
  53. Neteler, M., Mitasova, H., 2007. Open Source GIS: A GRASS GIS Approach. Springer, New York.
  54. Perez-Rey, I., Riquelme, A., Gonzalez-de-Santos, L.M., Estevez-Ventosa, X., Tomas, R., Alejano, L.R., 2019. A multi-approach rockfall hazard assessment on a weathered granite natural rock slope. Landslides 16, 2005-2015. https://doi.org/10.1007/s10346-019-01208-5.
  55. Riquelme, A.J., Abellan, A., Tomas, R., Jaboyedoff, M., 2014. A new approach for semi-automatic rock mass joints recognition from 3D point clouds. Comput. Geosci. 68, 38-52. https://doi.org/10.1016/j.cageo.2014.03.014.
  56. Rossi, M., Peruccacci, S., Brunetti, M.T., Marchesini, I., Luciani, S., Ardizzone, F., Balducci, V., Bianchi, C., Cardinali, M., Fiorucci, F., Mondini, A.C., Reichenbach, P., Salvati, P., Santangelo, M., Bartolini, D., Gariano, S.L., Palladino, M., Vessia, G., Viero, A., Andronico, L., Borselli, L., Deganutti, A.M., Iovine, G., Luino, F., Parise, M., Polemio, M., Guzzetti, F., Tonelli, G., 2012. SANF: National warning system for rainfall-induced landslides in Italy. In: Proceedings 11th Symposium on Landslides and 2nd north American Symposium on Landslides, Banff, Canada, pp. 1895-1899.
  57. Rossi, M., Sarro, R., Reichenbach, P., Mateos, R.M., 2021. Probabilistic identification of rockfall source areas at regional scale in El Hierro (Canary Islands, Spain). Geomorphology 381, 107661. https://doi.org/10.1016/j.geomorph.2021.107661.
  58. Ruiz-Carulla, R., Corominas, J., Gili, J.A., Matas, G., Lantada, N., Moya, J., Prades, A., Nunez Andres, M.A., Buill, F., Puig, C., 2020. Analysis of fragmentation of rock blocks from real-scale tests. Geosciences 10, 308. https://doi.org/10.3390/geosciences10080308.
  59. Santangelo, M., Alvioli, M., Baldo, M., Cardinali, M., Giordan, D., Guzzetti, F., Marchesini, I., Reichenbach, P., 2019. Brief communication: Remotely piloted aircraft systems for rapid emergency response: road exposure to rockfall in Villanova di Accumoli (Central Italy). Nat. Hazards Earth Syst. Sci. 19, 325-335. https://doi.org/10.5194/nhess-19-325-2019.
  60. Santangelo, M., Marchesini, I., Bucci, F., Cardinali, M., Cavalli, M., Crema, S., Marchi, L., Alvioli, M., Guzzetti, F., 2020. Exposure to landslides in rural areas in Central Italy. J. Maps 0, 1-9. https://doi.org/10.1080/17445647.2020.1746699.
  61. Sarro, R., Mateos, R.M., Reichenbach, P., Aguilera, H., Riquelme, A., Hernandez- Gutierrez, L.E., Martin, A., Barra, A., Solari, L., Monserrat, O., Alvioli, M., Fernandez- Merodo, J.A., Lopez-Vinielies, J., Herrera, G., 2020. Geotechnics for rockfall assessment in the volcanic island of Gran Canaria (Canary Islands, Spain). J. Maps 16, 605-613. https://doi.org/10.1080/17445647.2020.1806125.
  62. Schlogel, R., Marchesini, I., Alvioli, M., Reichenbach, P., Rossi, M., Malet, J.P., 2018. Optimizing landslide susceptibility zonation: Effects of DEM spatial resolution and slope unit delineation on logistic regression models. Geomorphology 301, 10-20. https://doi.org/10.1016/j.geomorph.2017.10.018.
  63. Tacchia, D., 2004. Cartografia ufficiale geologica e geomorfologica. Technical report. ISPRA. Via Vitaliano Brancati, 48 — 00144 Rome, Italy. URL: http://sgi. isprambiente.it/geologia100k/Documenti/cartuffgeo.pdf.
  64. Tanyas, H., Rossi, M., Alvioli, M., van Westen, C.J., Marchesini, I., 2019a. A global slope unit-based method for the near real-time prediction of earthquake-induced landslides. Geomorphology 327, 126-146. https://doi.org/10.1016/j.geomorph.2018.10.022.
  65. Tanyas, H., van Westen, C.J., Persello, C., Alvioli, M., 2019b. Rapid prediction of the magnitude scale of landslide events triggered by an earthquake. Landslides 16, 661–676. https://doi.org/10.1007/s10346-019-01136-4.
  66. Tarquini, S., Isola, I., Favalli, M., Mazzarini, F., Bisson, M., Pareschi, M.T., Boschi, E., 2007. TINITALY/01: a new Triangular Irregular Network of Italy. Ann. Geophys. 50, 407–425. https://doi.org/10.4401/ag-4424.
  67. Trigila, A., Iadanza, C., Spizzichino, D., 2010. Quality assessment of the Italian Landslide Inventory using GIS processing. Landslides 7, 455–470. https://doi.org/10.1007/ s10346-010-0213-0.
  68. Turanboy, A., Ulker, E., Cuksutcu, C.B.K., 2018. A new approach for assessing stability of rock slopes considering centroids of weak zones. J. Min. Environ. 9, 1–18. https:// doi.org/10.22044/jme.2017.5975.1414.
01 Июня 2026
Комментарии
RU EN
Стрелка вверхнаверх
Удалить пост?
Пост будет удален полностью и его нельзя будет востановить
Закрыть
Ссылка скопирована Закрыть
Главная страница
Главная
Новости
Новости
Дента
Лента
Меню
Ещё
  • Поделиться
Поделиться
  • Скопировать ссылку
Добавить в список авторов?
При отправке запроса, мы расмотрим заявку и дадим ответ
Закрыть
Закрыть