山体滑坡是山区重要的自然灾害。由于气象条件的触发和预处理，众所周知，在气候变暖的情况下，滑坡风险可能会发生变化，但气候变化是否已经影响到个别滑坡事件仍然是一个悬而未决的问题，部分原因是滑坡数据的限制和气候影响归因的方法挑战。在这里，我们证明了人为气候变化对2009年6月阿尔卑斯东南部前高地发生的一次严重事件的实质性影响，估计有952个单独的山体滑坡。我们的研究以条件事件归因为基础，辅以对大气环流变化的评估。利用该方法，我们模拟了观测到的气象事件和一系列无气候变化的反事实条件，并明确预测了这些条件下滑坡发生的概率。我们发现，高达10%，即95次滑坡可归因于气候变化。

　　山体滑坡是全球山区人口和基础设施的重要威胁(Yang et al. 2015)，也是欧洲高山前陆的主要自然灾害之一(Jaedicke et al. 2014)。一个地区对滑坡的易感性取决于地形、地貌、地质、土地利用和土地覆盖(LULC)条件(Schweigl and Hervás 2009)。在高山前陆，山体滑坡主要是由持续降雨、短时强阵雨和快速融雪引发的，而高土壤湿度是先决条件(Crozier 2010;Gariano and Guzzetti 2016;Mostbauer等人，2018;Maraun et al. 2022)。

　　人为引起的气候变化导致滑坡发生的驱动因素发生变化(Gariano and Guzzetti 2016)。特别是，在全球范围内，大多数陆地区域的强降雨事件的频率和强度都有所增加(Seneviratne et al. 2021;Kiktev等人，2007;Min et al. 2011;2021年联合国政府间气候变化专门委员会)。夏季强降雨虽然存在不确定性，但在大阿尔卑斯地区(GAR)也在增加(Rajczak和Sch?r 2017)。与地中海气旋相关的GAR上的降雨强度也随着气候变暖而增加(Volosciuk等人，2016;Nissen et al. 2013;Messmer et al. 2017;Maraun et al. 2022)，以及更严重的影响(Stuart-Smith et al. 2021;米切尔2021)。

　　个别滑坡是否已经受到气候变化影响的问题是一个重要的科学问题，这可能与解决损失和损害问题有关(Lusk 2017)，并有助于沟通气候变化现在已经对生态系统和社会产生了多大影响(Begum et al. 2022)。气候变化对观测到的特定滑坡事件的实际影响尚未量化，即尚未对滑坡进行全面的气候变化事件归因研究。这是因为，首先，在山体滑坡的情况下，库存往往没有很好的日期，因此将山体滑坡与特定的气象事件联系起来是不可能的(Van Westen et al. 2006)。其次，尽管将气象极端事件归因于气候变化有着悠久的传统(Stott et al. 2004;Van Oldenborgh et al. 2017;Philip et al. 2018;Wolski et al. 2014;Perkins-Kirkpatrick et al. 2022;Trenberth et al. 2015)，基于一系列方法(Seneviratne et al. 2021;Stott et al. 2016;Shepherd 2016)，将影响归因于气候变化是一项更近期、更复杂的工作(Begum et al. 2022;Perkins-Kirkpatrick et al. 2022)。对近期事件的快速归因研究，如2022年南非洪水滑坡事件，仅通过气象角度解决归因问题(Singh et al. 2022)。特别是，气象归因陈述不能天真地转化为影响，因为影响系统对气象驱动因素的反应往往很复杂(Perkins-Kirkpatrick et al. 2022)。对于滑坡尤其如此，因为已知降雨和土壤湿度变化对滑坡发生响应具有相反的影响(Maraun et al. 2022;Knevels et al. 2023)。

　　因此，为了量化气候变化对特定滑坡事件的影响，必须进行全面的归因研究，从而对气候变化对降雨和滑坡事件的影响进行离散评估。在这里，我们研究了2009年6月22日至26日在中欧发生的降雨滑坡事件。该事件特别适合用于事件归因，因为它有一个日期确定的滑坡清单以及良好的气象观测，有助于得出可靠的归因陈述。这次滑坡事件是由一个缓慢移动的切断低气压引发的，它给中欧带来了温暖潮湿的空气，导致了持续不断的强降雨(Hornich和Adelw?hrer 2010)。东阿尔卑斯山及其毗邻的山麓受到的影响尤其严重(Haiden 2009)，因为一些气象站记录了3小时内50毫米的高强度降雨(图1a)。持续的降雨事件导致了灾难性的场景，东北部阿尔卑斯前地发生了多次洪水(Godina和m

　　勒，2009年)，据报道，奥地利东南部施蒂里亚州的费尔德巴赫地区发生了数百起山体滑坡(Hornich和Adelw?hrer, 2010年)(图1b;并非所有被统计的事件都应归类为滑坡，我们估计有952次;详情参见2.2节和2.5节)。费尔德巴赫宣布进入紧急状态(M?seneder, 2009年)，施蒂里亚州的估计赔偿费用超过1 340万欧元，不包括私人或保险公司支付的损失(Hornich和Adelw?hrer, 2010年)。除了触发降雨外，高土壤湿度也可能导致了滑坡的数量，因为前一个冬天特别多雪(Hornich和Adelw?hrer 2010)(图1d)。

　　图1

　　

　　二零零九年的雨量及山泥倾泻事件为二零零九年六月二十二日至二十六日期间的三小时最大雨量。b 2009年地震期间记录的518处山体滑坡地图(以绿点表示)。数据来源:GISCO NUTS 2013, OpenStreetMap, INCA。b INCA(通过综合分析的综合临近预报)数据集中截至2009年6月22日至26日的5天总降雨量。(d)对应5天降雨聚集期开始前一天目标区域最大2 m综合土壤湿度的后播模拟(详见第2节)。土壤湿度的目标区域，在(a)、(b)和(c)中用黑框表示)

　　在本研究中，我们选择实施条件归因方法(Trenberth et al. 2015)，而不是传统的概率归因方法(Stott et al. 2016)。García-Portela和Maraun(2023)讨论了两种方法之间的差异和局限性，Lloyd和Shepherd(2020)认为条件方法特别适合影响归因。在我们的案例中，条件归因的使用特别有用，因为它首先允许我们使用非常高分辨率的气候模型来模拟极端降雨，以解决当地的过程和地形。其次，动力和热力学变化的分离避免了影响局部模拟的大规模环流偏差，从而允许将模拟的水文气象条件与局部滑坡事件直接联系起来(Maraun et al. 2022)。第三，由于我们只有一个具有滑坡数据的单一事件，我们不能像传统方法那样为长期气候模型输出模拟滑坡。条件归因假定事件背后的大气环流是给定的。因此，为了考虑大气环流变化的影响(Otto et al. 2016)，我们利用最先进的CMIP5和CMIP6 GCMs对截止低发生频率的变化进行了单独的基于文献的评估，以补充条件方法。

　　对于条件归因，我们使用基于模型的事件故事线方法(Shepherd等人，2018;Sillmann et al. 2021;Lloyd and Shepherd 2020)，专门用于评估气候变化下的山体滑坡(Maraun et al. 2022)。首先，我们使用CCLM区域气候模式(RCM) (B?hm et al. 2006;Rockel et al. 2008)在东阿尔卑斯山上空的对流允许分辨率。观测到的边界条件取自再分析数据。然后，我们在反事实条件下再次模拟该事件，该条件代表一个没有人为气候变化的世界，即比实际条件低一度。为此，我们修改了三维边界条件(温度、湿度和海平面压力)，通过在一般环流模式(GCMs)中模拟类似事件的一系列似是而非的变化，代表了一个温度低一度的世界。对实际和反事实条件的模拟也涵盖了前一个冬季，以表示由不同的积雪、春季降水和蒸散发引起的土壤湿度变化(详情见第2.3节)。

　　我们通过模拟来自四种不同gcm的四种不同的故事线来代表气象事件气候变化响应中的不确定性，这些故事线跨越了对人为气候变化的广泛似是而非的区域气候响应。此后，我们使用非线性统计回归模型评估实际和反事实世界的滑坡发生概率(Knevels et al. 2020;Maraun et al. 2022;Knevels et al. 2023)。本研究没有对滑坡的空间和幅度范围(几何形状)进行评估(这是因为不同的联邦州机构参与了现场滑坡的记录，不幸的是，由于没有一致的方法，只有很少的滑坡被绘制成完整的几何形状或空间范围)。对于给定的10 m × 10 m位置，该模型根据时不变的地形、地质和地貌、LULC条件以及代表事件期间总降雨量和最高降雨强度的气象预测因子和事件发生前的土壤湿度条件预测滑坡发生概率(详见第2.5节)。降雨和土壤湿度响应是从高分辨率气候模拟中获取的，而在我们的实验中，LULC故意在真实世界和反事实世界之间保持不变，以隔离人为变暖对滑坡的影响。我们使用“响应”一词来表示与真实世界相比，在反事实世界中预测器的变化。我们的方法通过图2中的流程图来说明。

　　在之前的研究中，我们确定了在给定位置发生滑坡的以下最佳气象预测因子(Knevels等人，2020;Maraun et al. 2022):滑坡发生当天的3小时最大降雨量，代表短时高强度暴雨;滑坡发生前5天的总降雨量，代表持续降雨;降水聚集期前的2 m综合土壤湿度代表了预调节。

　　图2

　　

　　流程图描述的方法

　　这里使用的数据与Maraun等人(2022)使用的数据相同。滑坡模型是根据2009年和2014年发生在该地区的两次不同滑坡事件的数据进行校准的。用于导出统计滑坡模型的当前气象预测因子的降水数据来自ZAMG (Zentralanstalt fradimeteorologie und Geodynamik)的INCA (Integrated Nowcasting through Comprehensive Analysis)临近预报系统(Haiden et al. 2011)。由于缺乏高质量的土壤湿度观测数据，我们使用模拟土壤湿度数据(代表2009年和2014年的事件)作为使用HRLDAS(高分辨率土地数据同化系统)(Chen et al. 2007)导出的统计模型(Maraun et al. 2022)的预测因子。该模型本身是使用ERA-Interim (ECMWF ReAnalysis-Interim)数据启动的(Dee et al. 2011)。模拟在2004-2014年期间以每小时分辨率在1 km × 1 km网格上进行。土壤质地类型和地表参数来源于WRF Noah-LSM (Weather Research and Forecasting-Noah陆面模式)。关于强迫数据的详细信息，请参见Maraun等人(2022)，关于地形预测和进一步的细节，请参见Knevels等人(2020)。所有预测器都被插值到10米10米的分辨率，每个滑坡都用一个点表示。

　　我们在两个不同(但地理位置相近)的事件上校准统计滑坡模型，以约束土壤湿度与滑坡发生之间的关系(Maraun et al. 2022)。在每一个单一事件中，土壤湿度在空间上的变化都很小，基本上掩盖了土壤湿度对滑坡发生的任何预测能力。但由于两个事件发生在不同的土壤湿度条件下，因此对两个事件进行联合校准可以识别土壤湿度对滑坡发生的影响。要使模型适合气候预测，包括土壤湿度是必不可少的。此外，在Knevels等人(2020)中，我们研究了不同的校准设置，并发现组合数据集在模型性能和预测-预测关系(模型GAM-Co，在该论文中)方面提供了最佳且具有物理意义的结果。这两个降雨事件导致了数百个单独的滑坡，但出于校准目的，我们关注的是可能过渡到复杂滑坡流的土和碎屑滑坡(Cruden和Varnes 1996)，我们只使用了基于专家判断和最小规模的选定滑坡数量。总共拍摄了626次山体滑坡，其中487次发生在2009年，139次发生在2014年。这些数据由军事地理信息研究所、奥地利地质调查局(2009年)和施蒂里亚政府(2014年)记录和提供(Knevels et al. 2020;Kautz 2010)。

　　然而，在我们的分析中，我们只从中提取了518个。这有两个原因:首先，许多报道的事件来自更广泛的事件类别，如街道裂缝或一般侵蚀事件。我们已经过滤掉了这些，因为它们属于不同的滑坡类型和潜在的物理过程。其次，我们获得的高质量库存并未覆盖整个费尔德巴赫地区，而是约占总面积的40% (Knevels et al. 2020)。此外，我们使用时空采样设计来定位缺失的观测值，并排除了预计不会发生山体滑坡的区域(琐碎区域)，如山谷底部的平坦地形。

　　气象模拟使用气候模式中的“小尺度模拟联盟”(COSMO)模式或CCLM (RCM) (B?hm et al. 2006;Rockel et al. 2008)在44.5 N - 49.1 N和10.7 E - 19.8 E的区域，大致与东阿尔卑斯重合。在我们的背景下，“东阿尔卑斯山”是一个为我们的建模目的而定义的区域，包括奥地利中东部，毗邻德国、意大利、斯洛文尼亚和匈牙利的部分地区。模拟在3km - 3km网格空间上以对流允许模式进行。所用的模型参数化方案列表见Maraun et al.(2022)的补充表1。土壤湿度也由模式的陆面分量明确地模拟出来。模拟当前条件下降雨事件的边界条件来自ECMWF的综合预报系统(IFS) (Bechtold et al. 2008)。模拟实验以9个月的自旋模拟期为后盾，从UTC时间01-10-2008 00:00开始，直到UTC时间20-06-2009 00:00。旋转模拟有助于创造一个平衡的土壤湿度场，以适应2008/09年的冬季和春季。此后，从UTC时间2006-2009 00:00到UTC时间28-06-2009 00:00执行一个10成员集合模拟。集合成员的初始条件受到模拟开始时间的干扰，从2009年6月20日00:00 UTC开始，每隔三小时向后进行一次。

　　为了生成反事实的故事线，我们以以下方式改变RCM边界条件，使其在热力学上代表一个温度低1度的世界:选择两个参考时期来计算气候变化信号:1975年至2004年的历史时期和2071年至2100年的未来时期。对于一个反事实的较冷世界，选择上述周期来计算变化信号的原因是，在对当前和未来世界的极端事件进行采样时，信噪比更好。我们在RCP8.5(最高代表性浓度路径)情景下确定了4个CMIP5 GCMs，它们代表了广泛的不确定性，并且在选定的时间段内还具有多个大气水平的可用数据-这是至关重要的，因为我们需要三维气候变化。从未来期减去历史期的三维平均温度、相对湿度和平均海平面压力(MSLP)，计算9个月自旋上升期(01-10-2008 ~ 20-06-2009)的气候变化信号。然而，对于2009年6月20日至2009年6月28日(事件周围天数)，我们需要代表与2009型事件(即极端降雨事件)相似的气候条件的边界条件。为此，在这一时期，我们分别计算了6 - 7 - 8月(JJA)月份13.7 E - 17.5 E和46 N - 48 N(东奥地利)地区3天累计格箱降水的经验百分比。然后，我们计算了从地表到平流层下部(35 hPa)的三维温度和相对湿度场的RCM域中降雨量大于百分位数的所有夏季日的平均垂直剖面以及MSLP。从未来期中减去历史期的垂直剖面和MSLP;这就给出了三维气候变化对温度、相对湿度和代表这些极端事件的MSLP的影响。

　　上面计算的三维轮廓线是线性缩放到从现在开始的一度冷却。这是通过用比现在低一度的世界的全球平均地表温度变化()与所选GCM模拟(1975-2004年至2071-2100年在RCP8.5下)模拟的全球平均地表温度变化之间的比率重新调整三维剖面的区域变化来完成的。最后，这些平均变化将应用于IFS数据(驾驶数据)，该数据现在代表修改的(反事实的)横向边界条件。这些修改后的IFS数据在RCM模型中用于执行反事实模拟。为此，考虑到IFS的本地地形，地面压力随海平面压力的变化而变化，瞬间改变IFS压力水平。为了保持物理一致性并满足流体静力方程，温度和相对湿度根据压力水平的新垂直扩展进行调整。然后，加入三维剖面，根据修正后的温度场、相对湿度场和压力场，利用Clausius-Clapeyron方程重新计算比湿度。

　　IPSL-CM5A-MR(负变化)、HadGEM2-CC(负变化)、GFDL-ESM2m(无变化)和mic - esm(强正变化)的gcm代表了CMIP5整体的大范围降水变化。

　　为了确定模型设置的准确性，我们将观测到的INCA降雨量与实际条件下的模拟降雨量进行了比较。我们发现两组数据中降雨的强度和空间分布相当一致，但它们不相同，并且有小的位置偏差(Maraun和Widmann 2015)。与当前的模拟事件相比，反事实的低一度情景的模拟也具有轻微的空间偏移。我们还注意到土壤湿度模拟和参考模拟之间存在类似的偏差。根据气候模拟标准，这些变化与区域大小相比很小，我们的模拟在代表降雨事件的范围和强度方面做得相当好。然而，即使是很小的变化也可能在滑坡建模中造成重大偏差，这需要非常精确地定位诱发滑坡的降雨模式。

　　为了解决这个问题，我们使用了delta变化方法，即我们不直接考虑模拟的水文气象预报场，而是使用它们来计算随后应用于观测到的水文气象预报场的变化因子(Maraun et al. 2022)。在标准变化因子方法中，模拟的未来和现在时间平均值之间的长期差异将为一个特定的网格框计算，然后将这些差异添加到当前的观测中。在降水的情况下，考虑的是比率而不是差异。但是，由于我们专门研究的是一个持续数天的单一事件，因此对时间进行平均是不合理的。因此，我们在假定气候变化信号相对恒定的区域上进行空间平均。对于降雨场，我们对从13.82东经至17.31东经和46.16北纬至48.01北纬的强降雨域进行面积平均，选择该域是为了考虑当地降雨模式的变化，同时排除阿尔卑斯山脉的高山，以防止因子计算中的偏差。对于土壤湿度，我们对实际目标区域进行平均，以避免该特定区域以外的地质变化对气候变化信号的影响。对于所有预测因子，即3小时最大值、5天总降雨量和土壤湿度，分别推导出δ变化因子。通过计算变化因子并将其应用于单个预测域，我们保留了不同预测域气候变化信号的差异。为了使局部内部变率平均，对降雨预测器的10个现今和10个冷1度的集合成员的所有排列进行因子计算。这种delta变化方法有助于保持事件的空间精度，而强度变化则由允许对流的区域模式来解决。

　　对于滑坡发生概率的估计，使用了半参数广义加性模型(Knevels et al. 2020;Hastie and Tibshirani 2017;Wood 2006)，通过转换函数和链接函数将预测者与响应的条件期望值联系起来。这里，logit链接函数被用作二项分布的默认链接函数。然后，将网格单元内滑坡发生概率logit g(E(Y))相加建模如下:

　　模型设置和预测因子的选择基于Knevels等人(2020)，但已扩展到气候变化应用(Maraun等人，2022)。该模型将“浅、快”和“快、深”滑坡事件联合处理(Sidle和Ochiai, 2006)。由于滑坡清单通常是稀疏的，我们从时空交叉验证和预测-预测关系的角度评估了这两个事件的组合(Knevels et al. 2020)。我们发现，组合事件模型显示出明显更高的性能估计值(即，中位数AUROC值为0.030.06,Knevels et al.(2020)中的表A6)。此外，我们发现，与单事件模型相比，预测者-预测者关系在物理上更合理，变量更少(Knevels等人(2020)中的图6)。为了解释预调节土壤湿度随气候变化的变化，我们将土壤湿度作为滑坡发生的附加预测因子。具体请参考Knevels et al.(2020)和Maraun et al.(2022)。

　　山体滑坡是罕见的事件，通常发生频率很低，这意味着它比非事件的数量少几十到几千倍。对滑坡事件的罕见认识通常会导致对滑坡发生概率的高估(King and Zeng 2001)。由于比值比对这种偏差是不变的，我们将滑坡发生概率的变化表示为比值比(Szumilas 2010)(图4 a-d)。与概率相关的几率定义为。反事实的过去和现在滑坡发生的比值比定义为过去和现在的比值比:

　　我们的滑坡模型是设计来预测不同环境预测条件下的几率比的，但是给出气候变化对实际滑坡发生概率的影响——甚至是绝对滑坡数量——将有助于我们的结果的交流。不幸的是，山体滑坡是罕见的事件，在使用特定抽样比率的逻辑回归中会产生偏差，这不会影响比值比，但会影响实际概率。为了消除这种偏差，我们对预测的截距进行了罕见的事件校正(请参见King和Zeng(2001)中的Eq.(7))。校正因子考虑了与用于模型拟合的1:5采样策略(Knevels et al. 2020)相比，采样区域中滑坡的实际比例较低(0.01%)，从而考虑了采样设计。此外，选择1:5的存在-缺席比来解释潜在时空采样设计中的随机变异性(Knevels et al. 2020)。在我们的例子中，对数尺度上的修正是7.651。我们将所有单个单元的有偏差的滑坡发生概率转换为logit值，减去校正因子，然后再转换回来获得滑坡发生概率的校正估计。

　　利用这个校正因子，我们预测了费尔德巴赫地区子区域1363个滑坡的总数，用于校准统计模型(Knevels et al.(2020)的图2B和3B中的无滑坡掩模)。回想一下，为了模型校准，我们已经考虑了该子区域的518次滑坡事件。预测和观测到的滑坡数量之间的差异是因为滑坡模型没有经过校准以重现(作为预测)在数据集或区域中观测到的事件数量。因此，我们只能解释山体滑坡数量的相对变化，而不能解释绝对变化。为了提供近似的绝对数字，以便更好地传达气候变化对事件的影响，因此，我们引入了一个调整因子，通过简单地重新调整预测的滑坡数量，使其与考虑的子区域的观测数量相匹配。在我们的例子中，这个调整因子是518/1363=0.379。此后，我们将该因子应用于整个费尔德巴赫地区在实际和反事实气候下的滑坡数量预测。对于实际发生的事件，我们预测整个Feldbach地区有2512个滑坡，即调整后的952个滑坡。对于反事实模拟，我们等效地计算滑坡数量。

　　计算估计的绝对滑坡数时，必须使用调整因子。然而，导致调整因子的方法有一些局限性。这些措施包括忽略滑坡的体积和规模;因此，大型滑坡和小型滑坡具有相同的单点几何形状。此外，费尔德巴赫地区的山体滑坡可能会在联邦州立机构的记录中受到监督。此外，已建立的无滑坡掩模和对其描绘的假设可能过于严格(Knevels et al. 2020)。这可能会导致“看不见”的区域被掩盖，而这些区域实际上是“看到”的(这影响了0.01%的细胞，即设想代表滑坡开始，最终可能导致较小的校正因子(King和Zeng(2001)中的Eq.(7)))。

　　摘要

　　1 介绍

　　2 途径和方法

　　3.结果与讨论

　　数据可用性

　　参考文献

　　致谢

　　作者信息

　　道德声明

　　搜索

　　导航

　　#####

　　我们的故事线模拟覆盖了整个东部阿尔卑斯地区，结果表明，在四个选定的gcm中，3小时最大降雨量响应比实际情况少50%(图3a-d)。而5天总降雨量响应也比实际情况少30%(图3e-h)。2 m积分土壤水分响应比实际条件湿润了4%(图3i, j, l)，除了一个GCM，其响应比实际条件干燥2%(图3k)。

　　图3

　　

　　与实际条件相比，降雨和土壤湿度的响应百分比。(a-d) 3小时最大雨量。(e-h) 5天总雨量。(i- 1) (e)中黑色矩形标记区域(计算土壤水分响应的目标区域)的2m积分土壤水分。(a)中以黑色标记的矩形表示用于计算降雨预测器的增量变化因子的域

　　虽然在这项研究中，我们关注的是滑坡事件，但3小时最大降雨量和5天总降雨量的减少强烈表明，奥地利北部上奥地利州和下奥地利州的洪水事件已经被人为气候变化放大了。

　　我们开发了一种增量变化方法(见3.3节)来计算我们三个预测因子的面积平均变化，并将这些变化应用于观察到的预测域。图4显示了四个气象故事线的面积平均变化，表1列出了这些故事线的主要特征。

　　图4

　　

　　区域平均降雨量和土壤湿度变化的故事线

　　表1水文气象故事情节

　　以下三种预测方法的结果是基于目标地区降雨量和土壤湿度的面积平均变化，因此可以解释降雨场的小位置偏差:

　　在温度低一度的反事实世界中，3个故事线(“小雨、湿润土壤”、“小雨、湿润土壤”和“小雨”)的3小时最大降雨强度大约降低了克劳修斯-克拉佩龙速率的两倍，而在一个故事线(“湿润土壤”)中，强度的降低是微不足道的。短期极端降雨的超级克劳修斯-克拉珀龙标度与对流上升气流中潜热释放相关的反馈有关(Lenderink et al. 2017)。

　　与实际世界相比，5天总降雨量的响应是两个故事线(“更轻的雨，潮湿的土壤”和“更轻的雨”)的强度减少了7%，这与克劳修斯-克拉佩龙速率一致。其他两个故事线的响应较弱，为2-3%，可能是由于大气稳定性增加(Fowler et al. 2021)。

　　与降雨预测器的响应相比，土壤水分响应相对较小。在三个故事情节中(“少雨，湿土”、“少雨，湿土”和“湿土”)，土壤在反事实世界中湿润了约1%，而在一个故事情节中(“少雨”)，土壤略微干燥了0.3%。

　　条件事件归因解决了这样一个问题:“考虑到造成持续强降雨的截止下限，气候变化对事件的影响有多大?”“为了得出一个完整的归因声明，我们进一步解决了气候变化可能已经改变了截止低点发生的问题。”到目前为止，还没有关于人为气候变化引起的截止低点变化的研究，分析模式预估超出了本研究的范围。尽管如此，我们还是想研究强迫变化和切断低压通常与大气阻塞一起发生(Nieto et al. 2007)。CMIP5和CMIP6模式使用大气阻塞频率的变化作为代理(Maraun et al. 2022)，表明气候变化使欧洲夏季阻塞的频率每全球平均变暖一度略降低约4% (Davini and d 'Andrea 2020)。因此，虽然气候变化对该事件的发生概率只有轻微的影响，但与该事件相关的降雨强度却大大增强。

　　与真实世界相比，在“小雨”故事线的反事实世界中，局部滑坡发生的几率要低16%(图5c)，这是由于5天总降雨量活动明显较低，土壤湿度条件没有变化。在另一种情况下(“少雨，湿土”和“少雨，湿土”)，滑坡发生的几率降低了14%(图5a, b)。

　　与实际情况相比，“小雨”情景下的滑坡高危区(定义见图5)比实际情况低了11%左右，而“小雨、湿土”和“小雨、湿土”情景下的滑坡高危区则低了7%左右。仅在“湿润土壤”的故事线中，由于反事实世界的弱降雨响应和略湿润的土壤，高风险区域约大3.5%(图5e)。

　　为了进一步说明气候变化的影响，我们评估了该地区发生的实际滑坡中有多少可归因于气候变化。我们估计在2009年的事件中发生了大约952次滑坡(关于这一估计的讨论，参见2.2节和2.5节)。在反事实的世界中，这个数字下降了10%，即在“小雨”的故事情节中大约有95次山体滑坡。在“小雨多，土壤湿润”和“小雨多，土壤湿润”的故事情节中，这个数字下降了6.5%，而在“土壤湿润”的故事情节中，这个数字也可能略有上升，约为3%(图5f)。

　　图5

　　

　　滑坡故事线地图和费尔德巴赫地区受影响地区的故事线。(a -d)在给定的四个故事情节中，2009年事件发生时，相对于当前气候低一度的滑坡发生概率的比值比。(e) 2009年事件发生在温度低1度的气候条件下，受滑坡高概率影响区域的响应和(f)在10 m 10 m单元(对应于Feldbach地区当前气候条件下所有单元中滑坡发生概率的第95百分位数)内发生概率至少为68%的滑坡数量的响应。水平黑线表示实际参考日

　　归因研究通常只从气象角度考察人类对极端降雨事件的影响。然而，气象事件与其影响之间的联系可能是复杂和非线性的，因此归因陈述不能直接转移到影响上(Perkins-Kirkpatrick et al. 2022)。在本研究中，我们首次通过全面的影响归因分析，明确论证了人为气候变化对严重滑坡事件已经产生的影响。使用故事线方法，我们能够充分利用一个年代久远的滑坡库存，并将热力学响应的影响从大尺度环流中分离出来。此外，我们还证明了降雨和土壤湿度变化对事件的相反影响。我们表明，如果没有气候变化，2009年的严重滑坡事件将发生857起滑坡，比估计的952起滑坡少95起。因此，2009年发生的滑坡中有10%可以直接归因于气候变化。人为气候变化造成的滑坡数量的大幅增加，仅因底层截止低点发生概率的略微降低而受到微弱的缓和。这些结果进一步证明了气候变化已经对我们的环境和基础设施产生了巨大影响(IPCC 2022)。

　　滑坡发生随气候变化的变化强烈依赖于季节、地区和海拔(Gariano and Guzzetti 2016;Stoffel et al. 2014;Paranunzio等人，2019)，由于缺乏年代准确的滑坡观测和气候-滑坡建模链的局限性，预测的不确定性很高(Gariano和Guzzetti 2016;Maraun et al. 2022)。在这种情况下，我们的结果和Maraun等人(2022)的结果证明了土壤水分的减少如何抵消降雨量的增加。这一讨论也适用于类似类型的山体运动，如泥石流，由此可以预测未来更大规模的滑坡事件(Kaitna et al. 2023)。

　　我们的研究结果不仅强调了影响归因的相关性，即在评估中包括一个滑坡模型，而且揭示了其中的不确定性。虽然个别水文气象变量的响应具有很大的不确定性，但它们对变化的方向仍然是非常确定的。然而，这些变量的相反影响对冲击响应造成了相当大的不确定性(Knevels et al. 2023)。因此，我们不能完全排除气候变化甚至减少了滑坡数量的可能性。只有在全面的影响归因下，影响响应的不确定性才会暴露出来。

　　由于大尺度气候模式集合模拟与小尺度影响之间的尺度不匹配，影响归因受到阻碍。我们的研究强调了事件故事情节方法在克服这一差距方面的力量。它允许我们将局部尺度从大规模模拟中分离出来，从而为两个尺度选择最佳的建模策略。仅模拟单一事件进一步允许我们使用高分辨率气候模型与滑坡模型相结合，以明确地模拟影响。研究中使用的方法可转移到具有良好可用库存的事件中。因此，本研究提出的方法——将条件事件归因归结为影响，辅以对大规模环流变化的评估——为推进影响归因提供了一条强有力的途径(Perkins-Kirkpatrick et al. 2022)。

　　下载原文档：https://link.springer.com/content/pdf/10.1007/s10584-023-03593-2.pdf