A gis spatial analysis model for landslide hazard mapping application in alpine area
Notice bibliographique
Résumé
This research describes an application of an existing method for evaluating landslide susceptibility in alpine contest that may be considered a useful support in better land-use planning and risk management. In order to perform the method and improve it creating landslide maps of probability, we investigated the several conditioning factors that in general affected these morphological processes. Firstly, a landslide inventory was prepared using both in-depth analysis of historical records and aero-photos (or orthophotos) investigation. Secondarily, a set of conditioning factors which may affect slope movement and failure (particularly lithology, geomorphology, land use, slope angle and aspect) was considered. Then, the method involved the application of GIS techniques, specifically, spatial Data Analysis application. The thematic maps of conditioning factors overlapping together with the support of the raster calculator allowed the susceptibility map creation. The method was applied to the Germanasca Valley, a small basin in the Italian Western Alps. This easy to use method allows one to individuate various classes of susceptibility and to identify slope, lithology and geomorphology, driven by old landslide events as the main conditioning factors. Furthermore, the individuation of area susceptible to landslides verification is strictly related to risk and, as a consequence, this method permits specific zone to be selected for detailed engineering geology studies in land-use planning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».