Video Experimental Relacionado
Updated: Jan 8, 2026

Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
Evaluación comparativa de la susceptibilidad de deslizamientos de tierra en el pueblo de Fugu utilizando modelos de
Shuhang Ni1, Yang Xie2,3
1Xi'an University of Science and Technology College of Geology and Environment, Xi'an, 710048, China. 920422462@qq.com.
Optimización de modelos de susceptibilidad de deslizamientos de tierra en China
Área de la Ciencia:
- Geociencias
- Ciencias Ambientales
- Procesos de la Superficie Terrestre
Sus antecedentes:
- Los deslizamientos de tierra presentan riesgos significativos en las regiones de loess de China.
- La predicción de la susceptibilidad de deslizamientos de tierra es compleja debido a la interacción de factores.
- Estudios previos sobre la resolución espacial y los modelos de aprendizaje automático arrojan resultados inconsistentes.
Objetivo del estudio:
- Determinar la combinación óptima de modelos de aprendizaje automático y resoluciones de cuadrícula para la evaluación de la susceptibilidad de deslizamientos de tierra.
- Evaluar el impacto de la escala espacial en el rendimiento del modelo en áreas de colinas de loess.
- Proporcionar referencias prácticas para la gestión del riesgo de deslizamientos de tierra.
Principales métodos:
- Análisis comparativo de la susceptibilidad de deslizamientos de tierra utilizando los modelos Random Forest (RF) y XGBoost (XGB).
- Evaluación multiescala a resoluciones de cuadrícula de 15 m, 30 m y 60 m en el pueblo de Fugu, provincia de Shaanxi.
- Evaluación de la precisión de la predicción y los patrones espaciales de las zonas de susceptibilidad.
Principales resultados:
- La resolución de la cuadrícula influye significativamente en la precisión de la predicción y la distribución de las zonas de susceptibilidad.
- El modelo XGBoost a una resolución de 15 m demostró el mayor rendimiento (AUC = 0.980).
- Las zonas de susceptibilidad alta y muy alta se identificaron principalmente en terrenos de cañones y colinas del norte y centro-oeste.
Conclusiones:
- La combinación óptima de modelo y resolución es crucial para un mapeo preciso de la susceptibilidad de deslizamientos de tierra.
- La escala espacial es un factor clave que afecta el rendimiento de los modelos de aprendizaje automático en regiones de loess.
- Los hallazgos ofrecen orientación metodológica y perspectivas prácticas para la gestión del riesgo de deslizamientos de tierra en el norte de Shaanxi.
Más Videos Relacionados
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
Videos de Conceptos Relacionados
Applications of GIS: Disaster Management and Emergency Response
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Survival Tree
Building a Survival Tree
Constructing a...
Levels of Use of a GIS
Methods of Obtaining Topography
Manipulation and Analysis