Mapeo de Susceptibilidad a Deslizamientos de Tierra Usando Métodos Integrados: Un Estudio de Caso en las Áreas Montañosas de Chittagong, Bangladés
Autores: Rabby, Yasin Wahid; Li, Yingkui
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Mapeo de Susceptibilidad a Deslizamientos de Tierra Usando Métodos Integrados: Un Estudio de Caso en las Áreas Montañosas de Chittagong, Bangladés
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Importancia
Mapeo de susceptibilidad a deslizamientos de tierra
Áreas Montañosas de Chittagong
Razón de frecuencia
Regresión logística
Inventario de deslizamientos de tierra
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
El mapeo de la susceptibilidad a deslizamientos de tierra es de vital importancia para identificar áreas propensas a deslizamientos y reducir futuros deslizamientos, víctimas y daños a la infraestructura. Este documento presenta mapas de susceptibilidad a deslizamientos de tierra a escala regional para las Áreas Montañosas de Chittagong (CHA), Bangladesh. La relación de frecuencia (FR) se integró con el proceso de jerarquía analítica (AHP) (FR_AHP) y la regresión logística (LR) (FR_LR). Se utilizó un inventario de deslizamientos de tierra de 730 ubicaciones de deslizamientos y 13 factores predisponentes de deslizamientos de tierra, incluyendo elevación, pendiente, aspecto, curvatura del plano, curvatura del perfil, índice de humedad topográfica (TWI), índice de potencia de corriente (SPI), uso del suelo/cobertura del suelo, precipitación, distancia de la red de drenaje, distancia de las fallas, litología e índice de vegetación de diferencia normalizada (NDVI). Las ubicaciones de deslizamientos de tierra se dividieron aleatoriamente en sitios de entrenamiento (80%) y validación (20%) para apoyar el análisis de susceptibilidad. Se determinó una zona segura basada en un umbral de pendiente para la regresión logística utilizando el análisis exploratorio de datos. Se seleccionó aleatoriamente el mismo número de ubicaciones sin deslizamientos de tierra de la zona segura para entrenar el modelo (FR_LR). Se utilizaron curvas de tasa de éxito y predicción e índices estadísticos, incluida la precisión general, para evaluar el rendimiento del modelo. Las curvas de tasa de éxito muestran que FR_LR mostró el área más alta bajo la curva (AUC) (79.46%), seguido por el FR_AHP (77.15%). Los índices estadísticos también mostraron que el modelo FR_LR tuvo el mejor rendimiento, ya que la precisión general fue de 0.86 para los conjuntos de datos de entrenamiento y 0.82 para los de validación. La curva de tasa de predicción muestra resultados similares. El análisis de correlación muestra que los mapas de susceptibilidad a deslizamientos de tierra producidos por FR y FR_AHP están altamente correlacionados (0.95). En contraste, la correlación entre los mapas producidos por FR y FR_LR fue relativamente más baja (0.85). Esto indica que los tres modelos son altamente convergentes entre sí. Los métodos integrados de este estudio serían útiles para el mapeo de susceptibilidad a deslizamientos de tierra a escala regional, y los mapas de susceptibilidad a deslizamientos de tierra producidos serían útiles para la planificación regional y la gestión de desastres de la CHA, Bangladesh.
Descripción
El mapeo de la susceptibilidad a deslizamientos de tierra es de vital importancia para identificar áreas propensas a deslizamientos y reducir futuros deslizamientos, víctimas y daños a la infraestructura. Este documento presenta mapas de susceptibilidad a deslizamientos de tierra a escala regional para las Áreas Montañosas de Chittagong (CHA), Bangladesh. La relación de frecuencia (FR) se integró con el proceso de jerarquía analítica (AHP) (FR_AHP) y la regresión logística (LR) (FR_LR). Se utilizó un inventario de deslizamientos de tierra de 730 ubicaciones de deslizamientos y 13 factores predisponentes de deslizamientos de tierra, incluyendo elevación, pendiente, aspecto, curvatura del plano, curvatura del perfil, índice de humedad topográfica (TWI), índice de potencia de corriente (SPI), uso del suelo/cobertura del suelo, precipitación, distancia de la red de drenaje, distancia de las fallas, litología e índice de vegetación de diferencia normalizada (NDVI). Las ubicaciones de deslizamientos de tierra se dividieron aleatoriamente en sitios de entrenamiento (80%) y validación (20%) para apoyar el análisis de susceptibilidad. Se determinó una zona segura basada en un umbral de pendiente para la regresión logística utilizando el análisis exploratorio de datos. Se seleccionó aleatoriamente el mismo número de ubicaciones sin deslizamientos de tierra de la zona segura para entrenar el modelo (FR_LR). Se utilizaron curvas de tasa de éxito y predicción e índices estadísticos, incluida la precisión general, para evaluar el rendimiento del modelo. Las curvas de tasa de éxito muestran que FR_LR mostró el área más alta bajo la curva (AUC) (79.46%), seguido por el FR_AHP (77.15%). Los índices estadísticos también mostraron que el modelo FR_LR tuvo el mejor rendimiento, ya que la precisión general fue de 0.86 para los conjuntos de datos de entrenamiento y 0.82 para los de validación. La curva de tasa de predicción muestra resultados similares. El análisis de correlación muestra que los mapas de susceptibilidad a deslizamientos de tierra producidos por FR y FR_AHP están altamente correlacionados (0.95). En contraste, la correlación entre los mapas producidos por FR y FR_LR fue relativamente más baja (0.85). Esto indica que los tres modelos son altamente convergentes entre sí. Los métodos integrados de este estudio serían útiles para el mapeo de susceptibilidad a deslizamientos de tierra a escala regional, y los mapas de susceptibilidad a deslizamientos de tierra producidos serían útiles para la planificación regional y la gestión de desastres de la CHA, Bangladesh.