Biblioteca93.141 documentos en línea

Artículo

GIS-Based Soft Computing Models for Landslide Susceptibility Mapping: A Case Study of Pithoragarh District, Uttarakhand State, IndiaGIS-Based Soft Computing Models for Landslide Susceptibility Mapping: Un estudio de caso del distrito de Pithoragarh, estado de Uttarakhand, India

Resumen

El objetivo principal del estudio era investigar el rendimiento de tres modelos de soft computing: Nave Bayes (NB), el clasificador de red neuronal Perceptrn Multicapa (MLP) y el rbol de Decisin Alternante (ADT) en la cartografa de la susceptibilidad a los corrimientos de tierras del distrito de Pithoragarh del estado de Uttarakhand, India. Para ello, se tuvieron en cuenta en el estudio de modelos los datos de 91 ubicaciones de deslizamientos de tierra ocurridos en el pasado y diez factores que influyen en los deslizamientos de tierra, a saber, el grado de inclinacin, la curvatura, el aspecto, la cubierta del suelo, los materiales que forman la pendiente (SFM), la elevacin, la distancia a los ros, la geomorfologa, la profundidad de la sobrecarga y la distancia a las carreteras. Se utilizaron mapas temticos del Servicio Geolgico de la India (GSI), imgenes de Google Earth y el Modelo Digital de Elevacin (DEM) de Aster para el desarrollo de mapas de susceptibilidad a los corrimientos de tierras en el entorno del Sistema de Informacin Geogrfica (SIG). Los datos de localizacin de los corrimientos de tierras se dividieron en una proporcin de 70:30 para el entrenamiento (70%) y la prueba/validacin (30%) de los tres modelos. Para la evaluacin de los modelos se utilizaron medidas estadsticas estndar, a saber, valores predichos positivos (VPP), valores predichos negativos (VPN), sensibilidad, especificidad, error absoluto medio (EMA), error cuadrtico medio de la raz (ERRM) y rea bajo la curva ROC (AUC). Los tres modelos de soft computing utilizados en este estudio han mostrado un buen rendimiento en el desarrollo preciso de mapas de susceptibilidad a deslizamientos, pero el rendimiento del ADT y MLP es mejor que NB. Por lo tanto, estos modelos pueden ser utilizados para la construccin de mapas precisos de susceptibilidad a deslizamientos en otras reas propensas a deslizamientos tambin.

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento

  • Titulo:GIS-Based Soft Computing Models for Landslide Susceptibility Mapping: A Case Study of Pithoragarh District, Uttarakhand State, India
  • Autor:Tran, Trung-Hieu; Dam, Nguyen Duc; Jalal, Fazal E.; Al-Ansari, Nadhir; Ho, Lanh Si; Phong, Tran Van; Iqbal, Mudassir; Le, Hiep Van; Nguyen, Hanh Bich Thi; Prakash, Indra; Pham, Binh Thai
  • Tipo:Artículo
  • Año:2021
  • Idioma:Inglés
  • Editor:Hindawi
  • Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
  • Descarga:0