Abstract Large earthquakes initiate chains of surface processes that last much longer than the brief moments of strong shaking. Most moderate‐ and large‐magnitude earthquakes trigger landslides, ranging from small failures in the soil cover to massive, devastating rock avalanches. Some landslides dam rivers and impound lakes, which can collapse days to centuries later, and flood mountain valleys for hundreds of kilometers downstream. Landslide deposits on slopes can remobilize during heavy rainfall and evolve into debris flows. Cracks and fractures can form and widen on mountain crests and flanks, promoting increased frequency of landslides that lasts for decades. More gradual impacts involve the flushing of excess debris downstream by rivers, which can generate bank erosion and floodplain accretion as well as channel avulsions that affect flooding frequency, settlements, ecosystems, and infrastructure. Ultimately, earthquake sequences and their geomorphic consequences alter mountain landscapes over both human and geologic time scales. Two recent events have attracted intense research into earthquake‐induced landslides and their consequences: the magnitude M 7.6 Chi‐Chi, Taiwan earthquake of 1999, and the M 7.9 Wenchuan, China earthquake of 2008. Using data and insights from these and several other earthquakes, we analyze how such events initiate processes that change mountain landscapes, highlight research gaps, and suggest pathways toward a more complete understanding of the seismic effects on the Earth's surface.

Abstract Earthquake‐induced landslide (EQIL) inventories are essential tools to extend our knowledge of the relationship between earthquakes and the landslides they can trigger. Regrettably, such inventories are difficult to generate and therefore scarce, and the available ones differ in terms of their quality and level of completeness. Moreover, access to existing EQIL inventories is currently difficult because there is no centralized database. To address these issues, we compiled EQIL inventories from around the globe based on an extensive literature study. The database contains information on 363 landslide‐triggering earthquakes and includes 66 digital landslide inventories. To make these data openly available, we created a repository to host the digital inventories that we have permission to redistribute through the U.S. Geological Survey ScienceBase platform. It can grow over time as more authors contribute their inventories. We analyze the distribution of EQIL events by time period and location, more specifically breaking down the distribution by continent, country, and mountain region. Additionally, we analyze frequency distributions of EQIL characteristics, such as the approximate area affected by landslides, total number of landslides, maximum distance from fault rupture zone, and distance from epicenter when the fault plane location is unknown. For the available digital EQIL inventories, we examine the underlying characteristics of landslide size, topographic slope, roughness, local relief, distance to streams, peak ground acceleration, peak ground velocity, and Modified Mercalli Intensity. Also, we present an evaluation system to help users assess the suitability of the available inventories for different types of EQIL studies and model development.

Abstract Earthquake‐triggered landslides are a significant hazard in seismically active regions, but our ability to assess the hazard they pose in near‐real‐time is limited. In this study, we present a new globally applicable model for seismically induced landslides based on the most comprehensive global data set available; we use 23 landslide inventories that span a range of earthquake magnitudes and climatic and tectonic settings. We use logistic regression to relate the presence and distribution of earthquake‐triggered landslides with spatially distributed estimates of ground shaking, topographic slope, lithology, land cover type, and a topographic index designed to estimate variability in soil wetness to provide an empirical model of landslide distribution. We tested over 100 combinations of independent predictor variables to find the best fitting model, using a diverse set of statistical tests. Blind validation tests show that the model accurately estimates the distribution of available landslide inventories. The results indicate that the model is reliable and stable, with high balanced accuracy (correctly versus incorrectly classified pixels) for the majority of test events. A cross‐validation analysis shows high balanced accuracy for a majority of events as well. By combining near‐real‐time estimates of ground shaking with globally available landslide susceptibility data, this model provides a tool to estimate the distribution of coseismic landslide hazard within minutes of the occurrence of any earthquake worldwide for which a U.S. Geological Survey ShakeMap is available.

Hillslope stability problems experienced in Three Gorges Reservoir Area after the water impoundment in the reservoir have been widely studied in the literature. However, the contributions of morphometric, meteorological and seismic variables altering hillslope deformations and the variation in their roles over time is yet to be explored. This study aims at addressing this gap in the literature. To do so, we generate hillslope deformation time series using Interferometric synthetic aperture radar (InSAR) techniques and calculate mean line-of-sight velocities for eight time windows between March 2017 and April 2021. For each of these time windows, we build a random forest model and regress six variables (slope steepness, distance to river, total precipitation, snow cover, earthquake intensity and territorial water storage) against mean line-of-sight velocities. For each of these models, we quantify the variable importance. Our findings show that earthquakes and precipitation have the highest contribution to the surface deformations, across different time windows. Additionally, we run a suite of bivariate analyses to assess the contribution of reservoir water level, an informative layer whose variability is only measured across time. We show that hillslopes mainly close to the reservoir exhibit strong negative correlation between surface deformation and reservoir water level. Overall, our finding could be considered as a step towards developing a predictive tool to identify expected hillslope deformation in the future.

Reduction in shear strength (RSS) of hillslope materials due to earthquakes have been rarely discussed numerically in regional scale analyses. Despite the limited literature, an empirical relationship between peak ground acceleration (PGA) and RSS was proposed based on Newmark's permanent-deformation analysis coupled with static limit equilibrium approach. However, the empirical relationship is solely based on co- and post-seismic landslide inventories associated with the 2008 Wenchuan earthquake and transferability of the approach is yet to be tested. To address this issue, we apply the same method to areas affected by the 2015 Gorkha and 2018 Palu earthquakes. Our results showed a good agreement in variation of the RSS with respect to PGA. This suggests that the approach is transferable for the estimation of co-seismic hillslope weakening in other geographies. We also analyzed the RSS in sedimentary, metamorphic and igneous rocks. Our results showed that igneous rocks feature the highest RSS in response to given ground shaking and it is followed by metamorphic and sedimentary rocks. Ultimately, we also discussed the RSS likely caused by precipitation events. Our findings imply that the RSS caused by 0.1 g of ground shaking may be 14 times larger than RSS due to precipitation. This argument needs further analyses but overall, our findings provide new insights into hillslope weakening in relation to both earthquake and precipitation.