Extreme rainfall events within landslide-prone areas can be catastrophic, resulting in loss of property, infrastructure, and life. A global Landslide Hazard Assessment for Situational Awareness (LHASA) model provides routine near-real time estimates of landslide hazard using Integrated Multi-Satellite Precipitation Retrievals for the Global Precipitation Mission (IMERG). However, it does not provide information on potential landslide hazard in the future. Forecasting potential landslide events at a global scale presents an area of open research. This study compares a global precipitation forecast provided by NASA's Goddard Earth Observing System (GEOS) with near-real time satellite precipitation estimates. The Multi-Radar Multi-Sensor gauge corrected (MRMS-GC) reference is used to assess the performance of both satellite and model-based precipitation products over the contiguous United States (CONUS). The forecast lead time of 24hrs is considered, with a focus on extreme precipitation events. The performance of IMERG and GEOS-Forecast products is assessed in terms of the probability of detection, success ratio, critical success index and hit bias as well as continuous statistics. The results show that seasonality influences the performance of both satellite and model-based precipitation products. Comparison of IMERG and GEOS-Forecast globally as well as in several event case studies (Colombia, southeast Asia, and Tajikistan) reveals that GEOS-Forecast detects extreme rainfall more frequently relative to IMERG for these specific analyses. For recent landslide points across the globe, the 24hr accumulated precipitation forecast >100 mm corresponds well with near-real time daily accumulated IMERG precipitation estimates. GEOS-Forecast and IMERG precipitation match more closely for tropical cyclones than for other types of storms. The main intention of this study is to assess the viability of using a global forecast for landslide predictions and understand the extent of the variability between these products to inform where we would expect the landslide modeling results to most prominently diverge. Results of this study will be used to inform how forecasted precipitation estimates can be incorporated into the LHASA model to provide the first global predictive view of landslide hazards.

滑坡易发地区的极端降雨事件可能是灾难性的，导致财产、基础设施和生命损失。态势感知的全球滑坡灾害评估 (LHASA) 模型使用全球降水任务 (IMERG) 的综合多卫星降水检索提供滑坡灾害的常规近实时估计。但是，它没有提供有关未来潜在滑坡灾害的信息。在全球范围内预测潜在的滑坡事件是一个开放的研究领域。这项研究将美国宇航局戈达德地球观测系统 (GEOS) 提供的全球降水预报与近实时卫星降水估计进行了比较。多雷达多传感器仪表校正 (MRMS-GC) 参考用于评估美国本土 (CONUS) 上卫星和基于模型的降水产品的性能。考虑了 24 小时的预测提前期，重点是极端降水事件。IMERG 和 GEOS-Forecast 产品的性能是根据检测概率、成功率、关键成功指数和命中偏差以及连续统计来评估的。结果表明，季节性影响卫星和基于模型的降水产品的性能。对全球 IMERG 和 GEOS-Forecast 以及几个事件案例研究（哥伦比亚、东南亚和塔吉克斯坦）的比较表明，对于这些特定分析，GEOS-Forecast 相对于 IMERG 更频繁地检测到极端降雨。对于全球最近的滑坡点，大于 100 毫米的 24 小时累积降水预报与近实时的每日累积 IMERG 降水估计值非常吻合。与其他类型的风暴相比，GEOS-Forecast 和 IMERG 降水对热带气旋的匹配程度更高。本研究的主要目的是评估使用全球预测进行滑坡预测的可行性，并了解这些产品之间的变异程度，以告知我们预计滑坡建模结果最显着差异的地方。这项研究的结果将用于告知如何将预测的降水估计值纳入 LHASA 模型，以提供第一个全球滑坡灾害预测视图。100 毫米与近实时的每日累积 IMERG 降水估计值非常吻合。与其他类型的风暴相比，GEOS-Forecast 和 IMERG 降水对热带气旋的匹配程度更高。本研究的主要目的是评估使用全球预测进行滑坡预测的可行性，并了解这些产品之间的变异程度，以告知我们预计滑坡建模结果最显着差异的地方。这项研究的结果将用于告知如何将预测的降水估计值纳入 LHASA 模型，以提供第一个全球滑坡灾害预测视图。100 毫米与近实时的每日累积 IMERG 降水估计值非常吻合。与其他类型的风暴相比，GEOS-Forecast 和 IMERG 降水对热带气旋的匹配程度更高。本研究的主要目的是评估使用全球预测进行滑坡预测的可行性，并了解这些产品之间的变异程度，以告知我们预计滑坡建模结果最显着差异的地方。这项研究的结果将用于告知如何将预测的降水估计值纳入 LHASA 模型，以提供第一个全球滑坡灾害预测视图。本研究的主要目的是评估使用全球预测进行滑坡预测的可行性，并了解这些产品之间的变异程度，以告知我们预计滑坡建模结果最显着差异的地方。这项研究的结果将用于告知如何将预测的降水估计值纳入 LHASA 模型，以提供第一个全球滑坡灾害预测视图。本研究的主要目的是评估使用全球预测进行滑坡预测的可行性，并了解这些产品之间的变异程度，以告知我们预计滑坡建模结果最显着差异的地方。这项研究的结果将用于告知如何将预测的降水估计值纳入 LHASA 模型，以提供第一个全球滑坡灾害预测视图。