Development and Application of a Real-Time GIS Digital Platform for Landslide Risk Analysis
Notice bibliographique
Résumé
In the current global context of climate change, the frequency and intensity of disasters, including landslides, are on the rise.During the initial three quarters of 2023, a notable incidence of fatalities resulting from landslides was observed across several nations, with specific instances including India reporting 26 casualties, South Korea documenting 43 fatalities, and Burma recording 31 lives lost, among others.Moreover, there has been significant damage to critical infrastructure, encompassing various forms of infrastructure, such as transportation networks and buildings.To address this challenge, researchers have turned to Geographic Information Systems (GIS) for studying and analyzing landslide risks.However, they face a limitation: the analysis results mainly consist of static maps, lacking a real-time digital platform for efficient data management and dynamic display of landslide information.This limitation hampers effective monitoring and surveillance efforts.To overcome this limitation, the present study introduces an innovative approach that integrates GIS with the development of a digital platform, effectively addressing the existing challenges.This integrated solution not only enables accurate landslide risk analysis with an impressive accuracy rate of 83.50% but also provides users with the ability to access information about specific landslide sites within a defined radius, regardless of their geographical location.Unlike previous studies, this research demonstrates the potential to address past methodological limitations by utilizing a real-time data platform.Accuracy varies based on geographic context, and landslide occurrences are influenced by diverse factors in different terrains.The digital platform elucidated in this study holds applicability for utilization by disaster prevention and relief organizations, as well as government agencies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».