Search

This study aims to quantitatively assess the impact of extreme precipitation events under current and future climate scenarios on landslides. Rainfall-triggered landslides are analyzed primarily using extreme precipitation estimates, derived using the so-called stationary assumption (i.e., statistics of extreme events will not vary significantly over a long period of time). However, extreme precipitation patterns have shown to vary substantially due to climate change, leading to unprecedented changes in the statistics of extremes. In this study, a nonstationary approach, applied to climate model simulations, is adopted to project the upper bound of future precipitation extremes. Future precipitation estimates are obtained from the coupled model intercomparison project phase 5 (CMIP5) simulations. Baseline (historical) and projected (future) precipitation extremes are obtained for a study area near Seattle, Washington. The precipitation patterns are integrated into a series of fully coupled two-dimensional stress - unsaturated flow finite element simulations. The responses of the baseline and projected models at a 7 day rainfall duration obtained for a 50 year recurrence interval are compared in terms of the local strength reduction factor, displacements, matric suctions, and suction stresses. The results indicate that the usage of historical rainfall data can lead to underestimations in the hydromechanical behavior of natural slopes where locally increased transient seepage rates occur from the upper bound of future extreme precipitation estimates. Key words: landslides, climate change, extreme precipitation, nonstationary, unsaturated soil, numerical modeling, hydromechanical coupling, transient seepage. Cette etude vise a evaluer quantitativement l'impact des evenements de precipitations extremes dans les scenarios climatiques actuels et futurs sur les glissements de terrain. Les glissements de terrain declenches par les precipitations sont analyses en utilisant principalement des estimations de precipitations extremes, derivees en utilisant l'hypothese dite stationnaire (a savoir, les statistiques des evenements extremes ne varieront pas de maniere significative sur une longue periode de temps). Cependant, les modeles de precipitations extremes ont montre qu'ils varient sensiblement en raison du changement climatique, ce qui conduit a des changements sans precedent dans les statistiques des extremes. Dans cette etude, une approche non stationnaire, appliquee aux simulations des modeles climatiques, est adoptee pour projeter la limite superieure de l'avenir des precipitations extremes. Les estimations futures des precipitations sont obtenues a partir des simulations de comparaison de modeles couples projet phase 5 (CMIP5). Les precipitations extremes de ligne de base (historique) et projetee (future) sont obtenues pour une zone d'etude pres de Seattle, Washington. Les modeles de precipitations sont integres dans des series de simulations a elements finis de flux de stress insatures en deux dimensions entierement couples. Les reponses de la ligne de base et les modeles projetes a une duree de 7 jours de precipitations obtenues pour un intervalle de recurrence de 50 ans sont compares en termes de facteur de reduction de la resistance locale, les deplacements, les succions matricielles, et les contraintes d'aspiration. Les resultats indiquent que l'utilisation des donnees de precipitations historiques peuvent conduire a une sousestimation du comportement hydromecanique des pentes naturelles ou l'augmentation des taux d'infiltration locale transitoires se produisent a partir de la limite superieure de futures estimations de precipitations extremes. [Traduit par la Redaction] Mots-cles: glissements de terrain, changement climatique, precipitation extreme, non stationnaire, sol insature, modelisation numerique, couplage hydromecanique, infiltration transitoire., Introduction Landslides are natural hazards that often pose threats on both the societal and economical levels. In the United States, landslides are responsible for US$1.6-US$3.2 billion in annual losses (e.g., [...]