Aplicação dos scores de VI dos modelos G e H para toda a bacia hidrográfica e

Como foi explicado na secção anterior, os scores do VI obtidos considerando apenas o setor montante da bacia hidrográfica da Ribeira Grande são mais realistas para ambos os grupos de movimentos de vertente, atendendo à quase absoluta concentração espacial da instabilidade naquele setor da área de estudo. Deste modo, na última fase da modelação optou-se por aplicar os scores de VI dos modelos G e H à totalidade da área de estudo, gerando assim dois novos mapas de suscetibilidade, descritos como Modelo I (associado ao Grupo 1) e Modelo J (associado ao Grupo 2). É de realçar que algumas classes originais dos fatores de predisposição não estão presentes no setor montante da bacia hidrográfica, não podendo, por isso, ser ponderadas neste exercício. O problema verifica-se numa classe da Altitude (ALT 1), em 4 classes da Geologia (GEO 9, GEO 11; GEO 12 e GEO 13) e numa classe do fator de predisposição Uso e Ocupação do Solo (USO 1). Nestes casos optou-se por considerar um score de VI igual a zero, o que significa que a variação da suscetibilidade é insensível à sua presença. Refira-se que, com a exceção da classe ALT1 da Altitude, que ocupa 17,5% da área da bacia, a expressão espacial das variáveis em questão é reduzida (5,0% no conjunto das 4 classes de geologia e 2,6% no caso da classe de uso e ocupação do solo).

a) Mapas de suscetibilidade e validação dos modelos

Os mapas finais de suscetibilidade, correspondentes aos Modelos I e J, estão representados nas Figuras 4.17 e 4.18, respetivamente. Como seria de esperar, estes mapas são visualmente muito semelhantes aos correspondentes aos Modelos A (ver Figura 4.3) e B (ver Figura 4.4), respetivamente. As maiores diferenças observam-se nos setores central e jusante da bacia

hidrográfica, que tendem a apresentar suscetibilidade ligeiramente mais elevada nos modelos I e J, por comparação com os modelos A e B.

Figura 4.17 - Modelo I: Suscetibilidade à ocorrência de movimentos de vertente desencadeados por episódios de precipitação (Grupo 1 – geometria poligonal) na bacia hidrográfica da Ribeira Grande, segundo o método do VI

(scores obtidos no setor montante da bacia hidrográfica).

Figura 4.18 - Modelo J: Suscetibilidade à ocorrência de movimentos de vertente desencadeados pela crise sísmica de 20 e 21 de setembro de 2005 (Grupo 2 – geometria poligonal), na bacia hidrográfica da Ribeira Grande, segundo o

Os Quadros 4.20 e 4.21 apresentam informação detalhada das classes de suscetibilidade correspondentes aos modelos I e J, respetivamente.

No Modelo I a classe de suscetibilidade muito elevada abrange 10% da área de estudo e nela localizam-se 58,01% dos movimentos de vertente do grupo de modelação (Grupo 1) e 48,7% do grupo validação (Grupo 2). Por sua vez, considerando-se em conjunto as duas classes que representam os valores mais elevados de suscetibilidade (20% da área de estudo) a percentagem de área deslizada predita do grupo de modelação é de 80,1% e do grupo de validação é de 91,4%, o que confirma a excelente capacidade preditiva deste modelo, contruído a partir dos deslizamentos desencadeados pela precipitação, para predizer a localização espacial dos deslizamentos desencadeados por sismos em 2005.

No que concerne ao Modelo J a classe de suscetibilidade muito elevada abrange 10% da área de estudo e nela localizam-se 90,0% dos movimentos de vertente do grupo de modelação (Grupo 2) e 44,6% do grupo validação (Grupo 1). Alargando a análise às duas classes que representam os valores mais elevados de suscetibilidade (20% da área de estudo) os valores anteriores aumentam para 98,5% e 69,1% da área instabilizada, respetivamente. Estes valores confirmam a existência de um ajuste excelente do modelo de suscetibilidade aos deslizamentos desencadeados por sismos usados na modelação, assim como uma capacidade bastante mais modesta para antecipar a localização espacial dos deslizamentos desencadeados pela precipitação (mais de 30% da área instabilizada correspondente está fora das classes de suscetibilidade muito elevada ou elevada).

Quadro 4.20 – Detalhes das classes de suscetibilidade do Modelo I.

Classes de suscetibilidade

Área deslizada (Grupo 1) Área deslizada (Grupo 2)

(m²) (%) (m²) (%) Muito Elevada 77.700 58,0 9.500 48,7 Elevada 29.550 22,1 8.350 42,8 Moderada 17.025 12,7 1.450 7,4 Baixa 6.275 4,7 200 1,02 Muito Baixa 2.750 2,1 25 0,13 Muito Baixa/Nula 650 0,49 0 0,00 Total 133 950 100 19 525 100

Quadro 4.21 - Detalhes das classes de suscetibilidade do Modelo J.

Classes de suscetibilidade

Área deslizada (Grupo 2) Área deslizada (Grupo 1)

(m²) (%) (m²) (%) Muito Elevada 17.575 90,0 59.675 44,6 Elevada 1.650 8,5 32.850 24,5 Moderada 250 1,28 27.025 20,2 Baixa 50 0,26 7.175 5,4 Muito Baixa 0 0,00 5.125 3,8 Muito Baixa/Nula 0 0,00 2.075 1,6 Total 19.525 100 133.950 100

As taxas de sucesso e de predição dos modelos de suscetibilidade I e J estão representadas na figura 4.19 e confirmam a elevada semelhança entre estes modelos e os seus equivalentes obtidos considerando a totalidade da área de estudo para determinar o VI das variáveis independentes (Modelos A e B, respetivamente; ver Figura 4.5). No entanto, regista-se um decréscimo sistemático das AAC, quer nas taxas de sucesso (entre 0,001 e 0,005), quer nas taxas de predição (entre 0,008 e 0,022).

4.5.4.1. Análise da concordância espacial entre mapas de suscetibilidade

No quadro 4.22 estão sintetizados os resultados da estatística Kappa obtidos através da comparação dos modelos de suscetibilidade elaborados com os scores obtidos no setor montante da bacia hidrográfica (Modelos I e J) com os seus equivalentes baseados em scores de VI calculados considerando a totalidade da área de estudo (Modelos A e B).

A concordância entre os mapas de suscetibilidade associados ao Grupo 1 (I vs A) é moderada, o que é atestado pelo valor de Kappa de 0,506. Adicionalmente, a concordância é excelente na classe de suscetibilidade muito elevada (0,841) e substancial nas classes de suscetibilidade elevada e moderada (0,635 e 0,637, respetivamente).

Os mapas de suscetibilidade associados ao Grupo 2 (J vs B) apresentam, igualmente, uma concordância moderada, registando um valor de Kappa = 0,565 que supera o determinado para os mapas correspondentes ao Grupo 1. Como no caso anterior, a concordância é excelente na classe de suscetibilidade muito elevada (0,858) e substancial nas classes de suscetibilidade elevada e moderada (0,679 e 0,685, respetivamente).

Quadro 4.22 - Valores de Kappa obtidos através da comparação entre os modelos I vs A e J vs B.

Mapas de suscetibilidade

Classes dos mapas de suscetibilidade

Muito Baixa/Nula

Muito

Baixa Baixa Moderada Elevada

Muito Elevada Total Modelos I vs A Kappa índex 0,454 0,257 0,424 0,637 0,635 0,841 0,506 Kappa location 0,454 0,258 0,425 0,638 0,635 0,842 0,506 Kappa histogram 1,000 0,999 0,997 0,999 0,999 0,999 0,999 Modelos J vs B Kappa index 0,569 0,319 0,467 0,685 0,679 0,858 0,565 Kappa location 0,579 0,325 0,467 0,686 0,680 0,859 0,569 Kappa histogram 0,982 0,982 1,000 1,000 0,999 1,000 0,993 4.5.4.2. Discussão

Os modelos de suscetibilidade baseados na aplicação dos scores de VI obtidos no setor montante da bacia hidrográfica à totalidade da área de estudo (Modelos I e J) apresentam resultados que são comparáveis, como seria de esperar, aos gerados com o mesmo método estatístico aplicado a toda a bacia hidrográfica (Modelos A e B). No entanto, o desempenho preditivo dos modelos, expresso pelas taxas de sucesso e de predição, é ligeiramente mais baixo, devendo expressar de modo mais rigoroso a real capacidade dos modelos em antecipar a localização espacial dos movimentos de vertente que ocorrerão futuramente na área de estudo, desencadeados pela precipitação ou por sismos com localização e magnitude equivalente aos registados em 2005 na ilha de S. Miguel.

As Figuras 4.20 e 4.21 sintetizam as curvas de sucesso dos modelos de suscetibilidade produzidos com o método do VI e com os deslizamentos representados por polígonos.

Os modelos G e H baseiam-se nos scores obtidos no setor montante da bacia hidrográfica e reportam exclusivamente essa área. As taxas de sucesso correspondentes (0,846 e 0,941, respetivamente) são as mais baixas, mas também as mais realistas atendendo às características da área de estudo.

Os modelos I e J resultam da aplicação dos scores dos modelos G e H, respetivamente, à totalidade da bacia hidrográfica. O incremento nas taxas de sucesso (de 0,027 e 0,016, respetivamente) é interpretado como um enviesamento que resulta do alargamento da área em análise a um setor extenso (setores central e jusante da bacia hidrográfica) com características pouco favoráveis à instabilidade das vertentes.

Os modelos A e B resultam do cálculo dos valores informativos das variáveis considerando a totalidade da bacia hidrográfica e devem ser comparados com os modelos I e J. Nesta comparação verifica-se que as taxas de sucesso dos modelos A e B são superiores às dos modelos I e J (+0,001 e +0,005, respetivamente). Este incremento na taxa de sucesso é interpretado como um enviesamento suplementar associado com a sobrestimação dos VI das variáveis independentes nos modelos A e B, em resultado da consideração de uma área extensa pouco propensa à ocorrência de deslizamentos superficiais.

Figura 4.21 - Curvas de sucesso dos modelos de suscetibilidade B, H e J, associados aos deslizamentos desencadeados por sismos.

CONSIDERAÇÕES FINAIS

O presente capítulo sintetiza os principais resultados obtidos nesta dissertação. Apesar de algumas limitações e incertezas associadas aos dados de origem e ao tipo de modelação desenvolvida, considera-se que foram alcançados os sete objetivos específicos (OE) enunciados na Introdução do trabalho. A análise monoscópica de ortofotomapas e o trabalho de campo sistemático e detalhado permitiram a inventariação e representação cartográfica de 616 deslizamentos superficiais na bacia hidrográfica da Ribeira Grande (OE1). Estes deslizamentos foram separados em função do seu mecanismo desencadeante, daí resultando: o Grupo 1, com 442 movimentos de vertente desencadeados pela precipitação em anos variados; e o Grupo 2, com 174 movimentos de vertente desencadeados por sismos em 2005 (OE2). Estes dois grupos de movimentos de vertente foram caraterizados e comparados do ponto de vista morfométrico (OE3) e utilizados individualmente para produzir modelos de suscetibilidade com recurso a dois métodos estatísticos: Valor Informativo e Regressão Logística (OE4). A suscetibilidade foi ainda avaliada especificamente no setor montante da bacia hidrográfica, onde se concentra a maior parte dos deslizamentos superficiais (OE5) e todos os modelos de suscetibilidade foram validados com recurso a taxas de sucesso, a taxas de predição e à estatística Kappa (OE6). Por último, os resultados obtidos foram discutidos e foi indicada a melhor solução para a avaliação da suscetibilidade na área de estudo (OE7).

Como foi referido na Introdução da dissertação, este estudo foi estruturado para testar cinco hipóteses fundamentais:

H1 – Os movimentos de vertente superficiais desencadeados por sismos e pela precipitação numa mesma área de estudo apresentam características morfométricas distintas;

H2 – A aplicação de métodos estatísticos, bivariados e multivariados, numa mesma área e com os mesmos dados de entrada produz resultados equivalentes no que respeita à suscetibilidade de ocorrência de ruturas de movimentos de vertente superficiais;

H3 – Apesar de distintos quanto ao mecanismo desencadeante, os movimentos de vertente desencadeados por sismos e pela precipitação produzem mapas de suscetibilidade semelhantes, que se validam mutuamente;

H4 – O eventual enviesamento do inventário dos movimentos de vertente desencadeados por sismos com geometria poligonal não se reflete significativamente na avaliação da suscetibilidade; H5 – A restrição da área de modelação ao setor da bacia hidrográfica com maior concentração de movimentos de vertente propicia uma avaliação da suscetibilidade mais robusta e precisa.

A análise das características morfométricas permitiu concluir que é possível distinguir os movimentos de vertente segundo o seu fator desencadeante (Grupo 1 vs Grupo 2), validando assim a hipótese 1 (H1). Os movimentos de vertente do Grupo 1, desencadeados pela precipitação,

tendem a ter uma maior dimensão por comparação com os do Grupo 2, desencadeados por sismos. Esta tendência verifica-se na área e no perímetro, mas também no comprimento e na largura dos movimentos de vertente. Em contrapartida, os deslizamentos do Grupo 2 ocorrem em declives mais acentuados e em posição topográfica mais elevada, o que se compreende devido ao seu constrangimento absoluto ao setor montante da bacia hidrográfica.

A suscetibilidade à ocorrência de deslizamentos superficiais foi avaliada para a totalidade da bacia hidrográfica, recorrendo aos métodos do Valor Informativo e da Regressão Logística e considerado isoladamente os movimentos de vertente desencadeados pela precipitação e por sismos. Os dois métodos estatísticos utilizados revelaram-se bastantes sólidos quando confrontados e validados através das taxas de sucesso e de predição, e respetivas AAC. A utilização de um método estatístico simples, como o VI, ou de um mais elaborado e complexo, como a RL, não influiu significativamente sobre os resultados, o que valida a hipótese 2 (H2).

Os modelos de suscetibilidade desenvolvidos para deslizamentos associados a um fator desencadeante específico (precipitação ou sismos) foram sujeitos a uma validação cruzada para avaliar a respetiva capacidade preditiva. A este respeito, verificou-se que os modelos produzidos com o inventário histórico de movimentos de vertente desencadeados pela precipitação são muito eficazes na predição da localização espacial dos movimentos de vertente desencadeados por sismos em 2005 (inventário de evento). Porém, o mesmo não acontece na situação inversa, como se confirma pela quebra acentuada nas taxas de predição, por comparação com as taxas de sucesso, em todos os modelos de suscetibilidade realizados com o Grupo 2. Deste modo, a hipótese 3 (H3) apenas se confirma parcialmente. No entanto, é de admitir que a diferença observada, mais do que refletir o efeito de diferentes mecanismos desencadeantes, pode resultar do facto do Grupo 1 corresponder a um inventário histórico (i.e., incluir movimentos de vertente desencadeados em diferentes períodos temporais, associados a condições de precipitação antecedente variadas), enquanto o Grupo 2 representa um inventário de evento. Tipicamente, qualquer inventário de evento é fortemente influenciado pela incidência espacial do fator desencadeante. No caso em apreço, os deslizamentos desencadeados no decurso da crise sísmica de 2005 nunca ocorreram a mais de 5 km dos epicentros dos sismos que lhes deram origem (Marques et al., 2007) e que se situam a SE das cabeceiras da bacia hidrográfica. Este constrangimento justifica, desde logo, a ausência de instabilidades nos setores central e jusante da área de estudo, o que influencia os modelos de suscetibilidade desenvolvidos especificamente para o Grupo 2 e os torna menos eficazes na validação dos deslizamentos desencadeados pela precipitação em diferentes períodos temporais.

Como é evidente, os enviesamentos decorrentes da incidência espacial do fator desencadeante tendem a esbater-se com a aglutinação do número de eventos. Este é o caso do Grupo 1, que não reflete um evento único, mas que resulta do somatório de vários eventos, eventualmente com algumas diferenças entre si no que respeita à distribuição espacial dos deslizamentos superficiais.

Deste modo, os modelos de suscetibilidade associados ao Grupo 1 são mais consistentes e deverão ser mais fiáveis para antecipar novas ocorrências de movimentos de vertente superficiais desencadeados pela precipitação na área de estudo. No caso dos modelos de suscetibilidade associados ao Grupo 2 há um constrangimento espacial que decorre da localização dos epicentros dos sismos de 2005. A capacidade destes modelos para antecipar novos deslizamentos desencadeados por sismos será válida se os sismos ocorrem na mesma área e tiverem magnitude equivalente. Em caso contrário, é provável que o acerto preditivo dos modelos de suscetibilidade seja bastante mais modesto.

Os deslizamentos do Grupo 2 foram delimitados a partir de um inventário previamente elaborado com pontos (Marques et al., 2007) e admitiu-se a possibilidade que um eventual enviesamento do inventário se refletisse nos resultados da suscetibilidade. No entanto, verificou- se que, independentemente da gemetria utilizada para representar os movimentos de vertente (poligonal ou pontual), os resultados são semelhantes, quer no Grupo 1 ou no Grupo 2, o que confirma a hipótese 4 (H4). Os valores dos scores de VI permanecem significativamente estáveis, as taxas de sucesso e de predição dos modelos são praticamente iguais e a estatística Kappa indica que as classes de suscetibilidade dos mapas correspondentes a esses modelos revelam uma concordância espacial substancial.

Por último, foi possível verificar que, com a restrição da área de estudo ao setor montante da bacia hidrográfica, onde se concentra a maioria dos movimentos de vertente, os modelos apresentam uma menor capacidade preditiva quando comparada com a dos modelos equivalentes que consideram a totalidade da bacia hidrográfica, que integra uma área substancial onde não se ocorrem fenómenos de instabilidade. Os modelos de suscetibilidade desenvolvidos especificamente para o setor montante da bacia hidrográfica, embora apresentem resultados preditivos mais modestos, refletem de forma mais realista as relações entre os movimentos de vertente e os fatores de predisposição e a capacidade real para antecipar a localização espacial dos futuros deslizamentos, validando a hipótese 5 (H5). Posteriormente, foram elaborados modelos de suscetibilidade para a totalidade da bacia hidrográfica com base nos scores de VI obtidos no setor montante da área de estudo. Estes revelaram um desempenho ligeiramente mais baixo, em comparação com os modelos elaborados para o mesmo setor da área de estudo e com scores de VI para a totalidade da área de estudo. Ainda assim, estes expressam de modo mais rigoroso a capacidade e as limitações dos modelos em antecipar a localização espacial dos movimentos de vertentes que ocorrerão futuramente na área de estudo, desencadeados pela precipitação ou por sismos com localização e magnitude equivalente aos registados em 2005 na ilha de S. Miguel. Adicionalmente, o exercício efetuado permitiu concluir que o modelo com melhor AAC nas taxas de sucesso e de predição pode não constituir o melhor modelo de suscetibilidade.

Os mapas de suscetibilidade elaborados para os movimentos de vertente pretendem avaliar a propensão para a ocorrência de novos fenómenos de instabilidade, constituindo assim uma ferramenta com enorme utilidade para o ordenamento do território e a gestão da emergência no âmbito da proteção civil. Todavia, para que estes sejam mapas eficazes é importante que os modelos preditivos sejam robustamente validados. A utilização de modelos de suscetibilidade que têm em consideração o fator desencadeante dos movimentos de vertente, pode constituir uma mais-valia para as entidades responsáveis pelo ordenamento do território e proteção civil, permitindo assim, implementar medidas, preventivas ou corretivas, mais adequadas para as áreas afetadas pelos fenómenos de instabilidade.

REFERÊNCIAS BIBLIOGRÁFICAS

Aleotti, P., & Chowdhury, R. (1999). Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the Environment, 58(1), 21–44.

Atkinson, P. M., & Massari, R. (1998). Generalised linear modelling of susceptibility to landsliding in the central Apennines, Italy. Computers and Geosciences, 24(4), 373–385. Ardizzone, F, Cardinali, M, Carrara, A., Guzzetti, F., & Reichenbach, P. (2002) – Impact of

mapping errors on the reliability of landslide hazard maps. Natural Hazards and Earth System Sciences. 2(1/2), 3-14.

Ayalew, L., Yamagishi, H., Marui, H., & Kanno, T. (2005). Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology, 81 (4), 432–445.

Azevedo, E.B. (1996). Modelação do clima insular à escala local. Dissertação de Doutoramento, apresentada ao Departamento de Ciências Agrárias da Universidade dos Açores. Angra do Heroísmo.

Azevedo, E.B., Pereira, L.S., & Itier, B (1998). Modelling the local climate in islands environments: Orographic clouds cover. In: Proceddings 1st _{Internacional Conference on}

Fog and Fog Collection, 19-24..

Azevedo, E. B. (2001). Condicionantes Dinâmicas do Clima do Arquipélago dos Açores, Elementos para o seu Estudo. Açoreana. Boletim da Sociedade de Estudos Açoreanos “Afonso Chaves”, 9(3), 309–317.

Baeza, C., Lantada, N., & Moya, J. (2010). Influence of sample and terrain unit on landslide susceptibility assessment at La Pobla de Lillet, Eastern Pyrenees, Spain. Environmental Earth Sciences, 60(1), 155-167.

Bai, S. B., Wang, J., Lü, G. N., Zhou, P. G., Hou, S. S., & Xu, S. N. (2010). GIS-based logistic regression for landslide susceptibility mapping of the Zhongxian segment in the Three Gorges area, China. Geomorphology, 115(1), 23-31.

Ballabio, C., & Sterlacchini, S. (2012). Support vector machines for landslide susceptibility mapping: the Staffora River Basin case study, Italy. Mathematical geosciences, 44(1), 47- 70.

Beguería, S. (2006). Validation and evaluation of predictive models in hazard assessment and risk management. Natural Hazards, 37(3), 315-329.

Bell, D. H., & Pettinga, J. R. (1989, March). Bedding-controlled landslides in New Zealand soft rock terrain: Proc 5th International Symposium on Landslides, Lausanne, 10–15 July 1988V1, P77–83. Publ Rotterdam: AA Balkema, 1988. In International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts (Vol. 26, No. 2, p. 89). Pergamon.Beven, K. J., & Kirkby, M. J. (1979). A physically based, variable contributing area model of basin hydrology/Un modèle à base physique de zone d'appel variable de l'hydrologie du bassin versant. Hydrological Sciences Journal, 24(1), 43-69.

Bi, J., & Bennett, K. P. (2003). Regression error characteristic curves. In Proceedings of the 20th International Conference on Machine Learning (ICML-03) (pp. 43-50).

Bommer, J. J., & Rodrı_{́guez, C. E. (2002). Earthquake-induced landslides in Central America.} Engineering Geology, 63(3), 189-220.

Brito, R.S. (2004) – São Miguel – a Ilha Verde: estudo geográfico (1950-2000). 2.ª edição actualizada. Ponta Delgada, Fábrica do Tabaco Micaelense. 381 p.

Brooks, S. M., Crozier, M. J., Glade, T. W., & Anderson, M. G. (2004). Towards establishing climatic thresholds for slope instability: use of a physically-based combined soil hydrology- slope stability model. Pure and Applied Geophysics, 161(4), 881-905.

Brum Ferreira, A. (2005). Geomorfologia Vulcânica das Ilhas. Geografia de Portugal 1 - O Ambiente Climático, Vol. 1, 121–147. Lisboa: Círculo de Leitores e Autores.

Buma, J., & van Asch, T. (1996) - Slide (rotational). Landslide Recognition. Identification, Movement and Causes. John Wiley & Sons, Chichester, 43-61.

Carmo, R., Madeira, J., Ferreira, T., Queiroz, G., & Hipólito, A. (2015) – Volcano-tectonic structures of São Miguel Island, Azores. Geological Society, London, Memoirs, 44 (1), 65- 86.

Carson, M.A., & Kirby, M. J. (1975). Hillslope Form and Processes (2a _{ed.). Malta: Cambridge}

University Press.

Chau, K. T., & Chan, J. E. (2005). Regional bias of landslide data in generating susceptibility maps using logistic regression: Case of Hong Kong Island. Landslides, 2(4), 280–290. Chung, C. J. F., Fabbri, A. G., & van Western, C. J. (1995). Multivariate Regression Analysis for

Landslide Hazard Zonation. In Geographical Information Systems in Assessing Natural Hazards, 107-133, Springer Netherlands.

Chung, C. J. F., & Fabbri, A. G. (1999). Probabilistic Prediction Models for Landslide Hazard Mapping. Photogrammetric Engineering & Remote Sensing, 65(12), 1389–1399.

Chung, C. J. F., & Fabbri, A. G. (2002). Validation of Spatial Prediction Models for Landslide Hazard Mapping. Natural Hazards, 30 (3), 451–472.

Campbell, R.H. (1975). Soil slips, debris flows and rainstorms in the Santa Monica Mountains and vicinity, Southern California. U.S. Geological Survey Professional Paper 851, Denver, Colorado, 51 p.

Cardinali, M., Carrara, A., Guzzetti, F., & Reichenbach, P. (2002). Landslide hazard map for the Upper Tiber River basin. CNR, Grupo Nazionale per La Difesa Dalle Catastofi