探索机器学习和统计方法技术,用于在西瓦利克喜马拉雅地区使用地理空间技术绘制山体滑坡易感的地图

科学领域:

• 地质科学 地质科学
• 环境科学 环境科学
• 灾害管理 灾害管理

背景情况:

• 滑坡对人类生命和基础设施构成重大风险,特别是在印度的Uttarakhand州Nainital等山区.
• 奈尼塔尔频繁的山体滑坡对生计和定居点造成了重大损害,需要采取积极的风险减轻策略.

研究的目的:

• 开发纳尼塔尔地区的山体滑坡易感性地图 (LSM),以帮助预测和减轻山体滑坡事件.
• 评估和比较与GIS集成的各种统计方法的有效性,以绘制山体滑坡易感性的地图.

主要方法:

• 使用了地理信息系统 (GIS) 和统计方法,包括确定因素 (CF),信息值 (IV),频率比 (FR) 和后勤回归 (LR).
• 使用地形数据,卫星图像,岩石学,斜率,方面,曲率,土壤,土地使用/土地覆盖,地形学,排水密度和线状物密度创建了一个全面的地理数据库.
• 预测模型的准确性使用接收器操作特征 (ROC) 曲线分析进行了验证.

主要成果:

• 所有的统计模型都表现出令人满意的准确性,曲线下的面积 (AUC) 值在84.8%至87.8%之间.
• 后勤回归 (LR) 获得了最高的准确度 (87.8%),紧随其后的是确定性因子 (CF) 的 87.6%和信息值 (IV) 的 87.4%.
• 频率比 (FR) 也显示出良好的预测能力,AUC为84.8%.

结论:

• 地理信息系统和统计方法的整合为有效的山体滑坡易感区划提供了一个强大的框架.
• 开发的山体滑坡易感性地图是区域土地利用规划和自然灾害管理的宝贵工具.
• 这项研究强调了多标准分析在了解和减轻山体滑坡危险方面的重要性.