Landslide Susceptibility Mapping Using Different GIS-Based Bivariate Models
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.
Notice bibliographique
Résumé
Landslides are the most frequent phenomenon in the northern part of Iran, which cause considerable financial and life damages every year. One of the most widely used approaches to reduce these damages is preparing a landslide susceptibility map (LSM) using suitable methods and selecting the proper conditioning factors. The current study is aimed at comparing four bivariate models, namely the frequency ratio (FR), Shannon entropy (SE), weights of evidence (WoE), and evidential belief function (EBF), for a LSM of Klijanrestagh Watershed, Iran. Firstly, 109 locations of landslides were obtained from field surveys and interpretation of aerial photographs. Then, the locations were categorized into two groups of 70% (74 locations) and 30% (35 locations), randomly, for modeling and validation processes, respectively. Then, 10 conditioning factors of slope aspect, curvature, elevation, distance from fault, lithology, normalized difference vegetation index (NDVI), distance from the river, distance from the road, the slope angle, and land use were determined to construct the spatial database. From the results of multicollinearity, it was concluded that no collinearity existed between the 10 considered conditioning factors in the occurrence of landslides. The receiver operating characteristic (ROC) curve and the area under the curve (AUC) were used for validation of the four achieved LSMs. The AUC results introduced the success rates of 0.8, 0.86, 0.84, and 0.85 for EBF, WoE, SE, and FR, respectively. Also, they indicated that the rates of prediction were 0.84, 0.83, 0.82, and 0.79 for WoE, FR, SE, and EBF, respectively. Therefore, the WoE model, having the highest AUC, was the most accurate method among the four implemented methods in identifying the regions at risk of future landslides in the study area. The outcomes of this research are useful and essential for the government, planners, decision makers, researchers, and general land-use planners in the study area.
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 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) | 0,004 | 0,001 |
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 découle