Spatial Distribution of Landslide Risk and Exposure Based on CART Model and GIS Technology - Case Study of Panzhihua Basin, Yangtze River, China
Notice bibliographique
Résumé
Spatial distribution of natural disaster risk has been taking as a reference in urban planning and disaster management. Especially to the remote mountainous areas located in southwestern China where landslide disaster could cause enormous damage. In those areas, only few exposure researches could reveal disaster risk and exposure distribution which related to landslide occurrence since lack of landslide indicator information. This research aimed at combining landslide risk mapping with highly exposure mapping to reveal distribution of highly landslide exposure in a remote mountainous area: Panzhihua basin, Yangtze River, China. In this research, 203 landslide point data (103 occurrences and 100 absences) were collected based on governmental landslide inventory and fieldwork to build CART (Classification and Regression Tree) model, which was applied to investigate the relationship between landslide disaster and four independent variables (vegetation, elevation, slope and top soil type). Finally, we developed a landslide-prone hazard map based on transportation, threatened population and property distribution to illustrate potential socioeconomic damage of landslide occurrence. The output maps show that landslide-prone area basically follows valley stretch and Yangtze Rivers. Northeastern and center zone in study area are classified with higher risk to generate landslide disaster. Threaten population and property exposure shows similar distribution in northeastern and northwestern areas while detached in center and southeastern areas. To the transportation sector, there are 75.3km of local road, 8.6km of main road, 29.5km of railway and 39.2km of national highway are highly exposed to landslide occurrence respectively.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».