Landslide Susceptibility Modeling Using a Hybrid Bivariate Statistical and Expert Consultation Approach in Canada Hill, Sarawak, Malaysia
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
Landslide susceptibility assessment was conducted in Canada Hill, Sarawak, Malaysia through a combined bivariate statistics and expert consultation approach using geographical information system, which captures landslide-conditioning parameters specific to the study area; to ensure its usefulness in practice. Over the past four decades, many landslide parameters and increasingly sophisticated statistical methods have been used in landslide research. However, the findings have had very limited use in practice as the actual ground conditions are not well represented. The weakness is due to poor quality of data in landslide inventories and inadequate understanding of landslide-conditioning parameters. In this study, bivariate statistical method was used in conjunction with an iterative process of expert consultation. Thirteen original landslide-conditioning parameters were narrowed down to six, with the addition of a unique parameter, planar failure potential, which was selected based on expert input. The parameter captures planar failure landslides, which has the highest impact in the study area, causing loss of lives and property destruction. The inaugural landslide susceptibility map for the study area has five classes; very low, low, moderate, high and very high susceptibility. All major planar failures and most smaller circular failures fall within the very high susceptibility class, with a success rate of 75.8%. The approach used in this study has improved the quality of the landslide inventory and delineated key conditioning parameters. The resultant map captures local conditions, which is useful for landslide management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle