Probabilistic frequency ratio (PFR) model for quality improvement of landslide susceptibility mapping from LiDAR-derived DEMs
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».