Evaluating the performance of propagation models of flow-like landslides at regional scale
Notice bibliographique
Résumé
Abstract Propagation models of flow-like landslides can be calibrated by comparing on-site evidence of past occurrences with the propagation paths and the deposition zones resulting from numerical simulations of the phenomena. Most typically, the performance of these models is evaluated considering the events independently from one another and, heuristically, i.e., subjectively assessing the fit between numerical results and available on-site data. At regional scale, however, storms often trigger, within a given area, multiple landslides of the flow type that occur more or less simultaneously. At this scale, a procedure that objectively quantifies the success, or the errors, of the numerical simulations of multiple landslides is lacking. In this study, such a quantitative calibration procedure is proposed, and assessed, considering the debris flows that occurred in Sarno in 1998 (Italy). The numerical model used is called Debris Flow Predictor (DFP), which is able to simulate the propagation paths and the accumulation depths of multiple debris flows, at regional scale, from a series of predefined triggering areas. The model employs a cellular automata method with a probabilistic behavioral rule, which is a function of the adopted digital elevation model and a series of parameters related to the erosional, the depositional, and the spreading capacity of the propagating soil mass. The numerical simulations were evaluated over the study area considering the entire set of debris flow events, as well as the individual debris flows, following a preliminary discretization of both the mapped footprints and the remaining portion of the territory. The relative and total operator characteristic curves, in addition to 6 indicators derived from a confusion matrix, have been used to quantify the performance of the simulations. The results show that the quantitative evaluation of the numerical results is essential to properly calibrate the adopted model, i.e., to discriminate among different simulations arising from different sets of model parameters.
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 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 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».