MétaCan
Menu
Retour à la cohorte
Enregistrement W2735233225 · doi:10.1186/s40677-017-0083-z

Probabilistic frequency ratio (PFR) model for quality improvement of landslide susceptibility mapping from LiDAR-derived DEMs

2017· article· en· W2735233225 sur OpenAlex
Saied Pirasteh, Jonathan Li

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGeoenvironmental Disasters · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLandslideLidarDigital elevation modelRemote sensingTerrainPoint cloudGeographic information systemAdvanced Spaceborne Thermal Emission and Reflection RadiometerGeologyElevation (ballistics)CartographyGeomorphologyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

This paper expands the previous efforts by other researchers to present a quantitative and deterministic approach for terrain analysis. This study evaluates both spatial and temporal factors contributing landslides utilizing Light Detection and Ranging (LiDAR) point clouds in conjunction with the frequency ratio model (PFR) than has previously been used in the Alborz Mountains. The study area is Marzan Abad of the Alborz Mountain in Iran. The significance of this study is the performance of a high-resolution digital elevation model (DEM) derived from LiDAR point clouds in order to provide detailed information in improving landslide susceptibility evaluation. This study discusses how we improve the quality of landslide susceptibility evaluation. We apply the PFR model to consider the effect of landslide-related factors associated with Google Earth’s high-resolution images and field observations. The LiDAR point cloud data and GIS-based analysis have allowed performing high quality ways of landslide hazard assessments using inventory dataset as compared to previous studies. We contributed an improved landslide inventory map of the Mazandaran Province. We used image elements interpretation from the available ASTER DEM (30 m), LiDAR-DEM (5 m), and the Google Earth high spatial resolution images in conjunction with the field observations. This study evaluates factors such as geology, geomorphology, landuse, soil, slope, and distance from roads and drainage to represent, manipulate, and analyze factors. Also, we evaluated the performance success of the rate curve of landslides susceptibility. The results have indicated an improved landslide susceptibility map from LiDAR-derived DEMs implementing the PFR model with 92.59% of accuracy performance as compared to the existing data and previous studies in the same region. Furthermore, this study reveals that all considering factors have relatively positive effects on the landslides susceptibility mapping in the study, however, the most effective factor on the landslide occurrence is the lithology with 13.7%.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,257
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle