Landslide Susceptibility Mapping Using Different GIS-Based Bivariate Models
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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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 ».