an interpretable and transferable model for shallow landslide prediction combining spatial poisson point processes and generalized additive models.

Less than 10 meters deep, shallow landslides are rapid and strongly dangerous slides. The upper points, called crowns, are the most informative points, where the landslide originates. We model the crowns pattern into a valley with spatial Poisson point processes, where the intensity is modeled via generalized additive models with geophysical predictors. By modeling the intensity with generalized additive models we gain flexibility and interpretability of the effects of the single predictors. We propose a fast and explainable variables and variables-interactions selection through the employment of signed iterative RFs. In this context, the significant effects can be considered as activating or stabilizing factors of the intensity, and then of the risk of landslide triggering. We pay great attention to validation and testing phases, in order to judge the transferability of the fitted models, our main purpose. Training, validation and test valleys are mutually disjoint and in a similar context (Alps in Lombardy). Moreover, we propose and apply an uncertainty quantification method for the intensity of the spatial Poisson point processes, based on bootstrapping.

Profonde meno di 10 metri, le frane shallow sono rapide e altamente pericolose. I punti più alti, chiamati corone, sono i punti più informativi, dove ha origine la frana. Modelliamo il pattern spaziale delle corone in una valle, con processi di punto spaziali di Poisson, dove l’intensità è modellizzata tramite GAMs con predittori geofisici. Modellizzando l’intensità con GAMs otteniamo flessibilità e interpretabilità degli effetti dei singoli predittori. Proponiamo una selezione veloce ed esplicativa di variabili e interazioni di variabili attraverso l’impiego di signed iterative RF. In questo contesto, gli effetti significativi possono essere considerati come fattori attivanti o stabilizzanti dell’intensità, e quindi del rischio di scatenamento di frane. Prestiamo grande attenzione alle fasi di validazione e test, al fine di valutare la trasferibilità dei modelli allenati. Le valli di training, validation e test sono disgiunte e in un contesto simile (Alpi in Lombardia). Inoltre, proponiamo e applichiamo un metodo di quantificazione dell’incertezza per l’intensità dei processi di punto spaziali di Poisson, basato sul bootstrap.