Sử dụng phương pháp tỷ sô tần suất và các phương pháp học máy để thành lập bản đồ nhạy cảm trượt lở. khu vực thử nghiệm: xã phìn ngan, tỉnh lào cai

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Minh Hiển Đỗ, Hữu Dũng Lương, Lê Dũng Mai, Thị Hương Ngô, Bình Phong Nguyễn, Vãn Hoàng Nguyễn

Ngôn ngữ: vie

Ký hiệu phân loại: 526 Mathematical geography

Thông tin xuất bản: Khoa học tài nguyên và môi trường, 2022

Mô tả vật lý: 150-166

Bộ sưu tập: Metadata

ID: 489240

Thêm vào giỏ Liên kết toàn văn

Tóm tắt
Chủ đề

Đánh giá tính nhạy cảm với tai biến trượt lở khu vực xã Phin Ngan, tỉnh Lào Cai, Việt Nam đã được thực hiện bằng cách áp dụng ba mô hình học máy là hồi quy logic (LR), mạng Bayes (BN), máy véc tơ hỗ trợ (SVM) và phương pháp thống kê tỷ số tần suất (FR) mà FR được sử dụng đế tính toán các giá trị trọng sổ của mỗi lớp tham số trong các bản đồ tác nhân. Các bản đồ có trọng số này sau đó được kết hợp với bản đồ trượt lở để đánh giá mối quan hệ không gian của chúng. Tiếp theo, các mô hĩnh học mảy sẽ được áp dụng để tính toán mức độ quan trọng của từng bản đồ tác nhân gây trượt lở. Hiệu suất của các mô hĩnh học máy đã được đánh giá bằng cách sử dụng đường cong đặc tính hoạt động thu được (ROC) và diện tích dưới đường cong (AUC)., Phân tích và so sánh kết quả cho thấy cả 3 mô hĩnh đều cho kết quả tốt khỉ đánh giá tỉnh nhạy cảm với trượt lở đất (AUC = 87,2 - 97,5 %). Tuy nhiên, mô hình BN (AUC = 97,5 %) có hiệu suất tốt nhất so với các mô hình trượt lở khác, tiếp theo là mô hình LR (AUC = 94,6 %) và mô hình SVM (AUC = 87,2 %). Ket quả chỉ ra rằng các mô hình đã cho kết quả đầu ra với khả năng dự báo tốt. Chúng cũng rất hữu ích trong việc hỗ trợ lập kế hoạch sử dụng đất, phòng ngừa và giảm thiếu rủi ro do sạt lở đẩt trong khu vực nghiên cứu.Landslide susceptibility assessment in Phin Ngan commune, Lao Cai province, Vietnam has been carried out by applying three machine learning (ML) models (Logistic Regression - LR, Bayesian Network - BN and Support Vector Machines - SVM), and the Frequency Ratio (FR) method. First, FR was applied to calculate the weighting values o f each parameter classes in the factor maps. Second, ML models were applied to calculate the importance o f each landslide related factor map. Then, the landslide susceptibility index (LSI) maps were generated by combining the importance values of factor maps obtained from ML models and the parameter classes that was assigned the weighting values o f factor maps created by FR model. Next, the performance of( )these ML methods has been evaluated using receiver operating characteristic (ROC) curve and area under the curve (AUC). Analysis and comparison of the results showed that all three ML models performed well for landslide susceptibility assessment (AUC = 87.2 % - 97.5 %). The BNmodel (AUC = 97.5 %) showed the best performance in comparison to other landslide models (LR model(:) AUC = 94.6 % and the SVM model(:) AUC = 87.2 %). The results indicated that the models have given outputs with good forecasting ability. They are also very useful in supporting land - use planning, the prevention and mitigation o f risks due to landslides in the research area.

Tạo bộ sưu tập với mã QR