Journal of the Indian Society of Remote Sensing ( IF 2.2 ) Pub Date : 2023-06-06 , DOI: 10.1007/s12524-023-01707-y Babitha Ganesh , Shweta Vincent , Sameena Pathan , Silvia Raquel Garcia Benitez
|
山体滑坡敏感性图 (LSM) 通过在指定区域内定位滑坡易发位置来帮助减少山体滑坡的危险。印度西高止山脉中容易发生山体滑坡的地点之一，果阿是其中的一部分。本文介绍了使用四种标准机器学习算法为果阿邦准备的 LSM，即逻辑回归 (LR)、支持向量机 (SVM)、K- 最近邻 (KNN) 和随机森林 (RF)。为了创建 LSM，使用了 78 点滑坡清单以及 14 个滑坡调节因子，包括坡度、高程、坡向、总曲率、平面曲率、剖面曲率、年降雨量、水流功率指数、地形湿度指数、到道路的距离、到基岩的深度/土壤深度、土壤类型、岩性和土地利用土地覆盖。使用 Pearson 相关系数检验和随机森林方法选择了与模型构建最相关的特征。研究表明，滑坡的存在受道路距离、地形坡度和年降雨量的强烈影响。生成的 LSM 分为五个级别，从极低的易感性水平到非常高的易感性。预测准确率、准确率、召回率、F1 分数、ROC 下的面积 (AUC-ROC) 和真实技能统计 (TSS) 已用于分析和比较使用各种方法创建的 LSM。所有这些算法都表现得很好，LR 的总体准确度得分为 81.90%，SVM 为 83.33%，KNN 为 81.94%，RF 为 86.11%。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。和真实技能统计 (TSS) 已用于分析和比较使用各种方法创建的 LSM。所有这些算法都表现得很好，LR 的总体准确度得分为 81.90%，SVM 为 83.33%，KNN 为 81.94%，RF 为 86.11%。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。和真实技能统计 (TSS) 已用于分析和比较使用各种方法创建的 LSM。所有这些算法都表现得很好，LR 的总体准确度得分为 81.90%，SVM 为 83.33%，KNN 为 81.94%，RF 为 86.11%。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。所有这些算法都表现得很好，LR 的总体准确度得分为 81.90%，SVM 为 83.33%，KNN 为 81.94%，RF 为 86.11%。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。所有这些算法都表现得很好，LR 的总体准确度得分为 81.90%，SVM 为 83.33%，KNN 为 81.94%，RF 为 86.11%。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。根据 TSS 数据，SVM 和 RF 是预测研究区滑坡脆弱性的更好方法。RF 算法实现了 86% 的最大 AUC-ROC。性能指标的结果得出的结论是，基于树的 RF 方法最适合为果阿邦生产 LSM。这项研究的结果表明，在果阿的 Sattari、Dharbandora、Sanguem 和 Canacona 地区可以找到更多的滑坡易发区。
"点击查看英文标题和摘要"
京公网安备 11010802027423号