अत्यधिक वर्षा को पहाड़ी इलाकों में विनाशकारी भूस्खलनों के प्रमुख ट्रिगर के रूप में व्यापक रूप से माना जाता है। हालांकि, केवल डेटा-चालित सांख्यिकीय मॉडल उच्च-सटीक वर्षा रिकॉर्ड पर निर्भर करते हैं, जो ऐतिहासिक डेटा की कमी वाले क्षेत्रों में उनकी प्रयोज्यता को सीमित करता है और भूस्खलन की विषमता या अंतर्निहित भौतिक प्रक्रियाओं को ध्यान में नहीं रख पाते। यहां, हम एक डायनेमिक मूल्यांकन फ्रेमवर्क प्रस्तुत करते हैं जो स्थानिक और कालिक संभावनाओं को एकीकृत करता है ताकि तीन घाटियों जलाशय क्षेत्र के वान्झौ जिले में वर्षा-प्रेरित भूस्खलन खतरे का मानचित्रण किया जा सके। प्रस्तावित दृष्टिकोण डेटा-चालित संवेदनशीलता मॉडलों को भौतिक-चालित वर्षा थ्रेशोल्ड विश्लेषण के साथ संश्लेषित करता है। सबसे पहले, भूस्खलन प्रकारों के अनुसार संचयन और चट्टानी क्षेत्रों को सीमांकन करने के लिए विस्तृत क्षेत्रांतरण जांच की गई, और विभिन्न भूस्खलनों की संवेदनशीलता को स्वतंत्र रूप से मानचित्रित करने के लिए उन्नत एनसेंबल लर्निंग मॉडल विकसित किए गए। फिर, ग्रे वुल्फ ऑप्टिमाइज़र-संवर्धित द्वि-दिशात्मक लॉन्ग शॉर्ट-टर्म मेमोरी मॉडल (GWO-BiLSTM) का व्यापक क्षेत्र सर्वेक्षण डेटा पर प्रशिक्षण दिया गया ताकि मिट्टी की मोटाई में स्थानिक परिवर्तन की भविष्यवाणी की जा सके। संभाव्य दृष्टिकोण प्रस्तावित किया गया ताकि प्रत्येक प्रकार के भूस्खलन के लिए वर्षा थ्रेशोल्ड को भौतिक तकनीकी गुणों की अनिश्चितता को ध्यान में रखते हुए मापा जा सके, इस प्रकार भूस्खलन खतरा क्षेत्रीकरण (LHZ) के लिए कालिक संभावनाएँ प्रदान की गईं। परिणाम दर्शाते हैं कि भूस्खलन-विशिष्ट एनसेंबल लर्निंग रणनीति भविष्यवाणी की सटीकता और विश्वसनीयता को महत्वपूर्ण रूप से बढ़ाती है। संचयन क्षेत्रों का फेलियर अत्यधिक वर्षा के प्रति अधिक संवेदनशील होता है और चट्टानी क्षेत्रों की तुलना में कम वर्षा तीव्रता पर होता है। अतिरिक्त रूप से, एक वास्तविक भारी वर्षा परिदृश्य के दौरान क्षेत्र पुष्टि से पता चलता है कि सभी देखे गए भूस्खलन सही ढंग से बहुत उच्च खतरा क्षेत्र में वर्गीकृत किए गए हैं। यह एकीकृत डेटा-मैकेनिक्स फ्रेमवर्क वर्षा-प्रेरित भूस्खलन खतरों के वैश्विक न्यूनीकरण के लिए एक प्रभावशाली संदर्भ प्रदान करता है। • मिट्टी और चट्टानी भूस्खलनों के बीच भिन्न तंत्र और ट्रिगर होते हैं। • भूस्खलन संवेदनशीलता क्षेत्रीकरण को बढ़ावा देने के लिए Stacking-DT-ANN मॉडल का विकास। • GWO-BiLSTM मिट्टी की मोटाई की भविष्यवाणी की सटीकता को बढ़ाता है। • संभाव्य दृष्टिकोण भौतिक तकनीकी अनिश्चितता को ध्यान में रखते हुए भूस्खलन के लिए वर्षा थ्रेशोल्ड को मापता है। • संयुक्त संवेदनशीलता और वर्षा परिदृश्यों के आधार पर भूस्खलन डायनेमिक खतरा मानचित्रण सुधारा गया है।
Zhao आदि ने इस प्रश्न का अध्ययन किया (Sun,)।