Nghiên cứu phân vùng nguy cơ sạt lở sử dụng mô hình giá trị thông tin

Chỉ số đề mục

Lĩnh vực nghiên cứu

Kỹ thuật địa chất công trình

Dạng tài liệu

Tác giả

Nguyễn Đức Đảm, Đặng Phương Nam, Lê Thanh Bình, Dư Ngọc Thái, Vũ Thế Song, Lê Văn Hiệp⁽¹⁾, Phạm Thái Bình

Nhan đề

Nghiên cứu phân vùng nguy cơ sạt lở sử dụng mô hình giá trị thông tin

Nhan đề tiếng anh

Nguồn trích

Tạp chí Địa Kỹ thuật

Năm xuất bản

2021

Số

02

Trang

56-65

ISSN

0868-279X

Từ khóa

Mô hình giá trị thông tin, Sạt lở đất, Hệ thông tin địa lý

Từ khóa tiếng anh

Tóm tắt

Xây dựng bản đồ nhạy cảm với trượt lở đất tại huyện Pithoragarh, bang Uttaranchal, Ấn Độ bằng cách sử dụng mô hình giá trị thông tin dựa trên GIS. Tổng số 34 điểm sạt lở trong quá khứ và hiện tại đã được xác định và xác minh để xây dựng bản đồ kiểm kê sạt lở và tổng số 10 yếu tố điều hòa trượt lở được lựa chọn để đánh giá mức độ dễ xảy ra sạt lở tại khu vực nghiên cứu. Trong số này, 70% kiểm kê sạt lở được sử dụng để xây dựng bản đồ nhạy cảm với trượt lở đất và 30% kiểm kê sạt lở còn lại được sử dụng để xác nhận độ tin cậy của bản đồ đã xây dựng. Kết quả cho thấy khoảng 39,67% khu vực nghiên cứu thuộc nhóm nhạy cảm thấp, 50,63% (nhóm nhạy cảm trung bình) và 9,7% (nhóm nhạy cảm cao). Kết quả xác nhận cho thấy khoảng 79,56% các vụ lở đất trong quá khứ được quan sát thuộc nhóm có độ nhạy cảm cao. Do đó, có thể kết luận rằng bản đồ nhạy cảm trượt đất được xây dựng là đáng tin cậy, có thể được sử dụng trong quản lý và giảm thiểu nguy cơ trượt đất. Với việc giới thiệu nghiên cứu này, nhóm tác giả mong muốn áp dụng mô hình này trong việc giải quyết các vấn đề trượt lở đất ở Việt Nam.

Tóm tắt tiếng anh

Kí hiệu kho

TTKHCNQG, 0868-279X

File toàn văn

Xem toàn văn

Tài liệu tham khảo

[1] Wubalem, A., Meten, M.J.S.A.S., (2020), Landslide susceptibility mapping using information value and logistic regression models in Goncha Siso Enese area, northwestern Ethiopia,
[2] Tien Bui, D., Pradhan, B., Lofman, O., Revhaug, I.J.M.p.i.E., (2012), Landslide susceptibility assessment in vietnam using support vector machines, decision tree, and Naive Bayes Models,
[3] Shadman Roodposhti, M., Aryal, J., Shahabi, H., Safarrad, T.J.E., (2016), Fuzzy shannon entropy: A hybrid gis-based landslide susceptibility mapping method,
[4] SHABANI, E., JAVADI, M.R., ZARE, K.E.M., (2014), Landslide hazard zonation using information value and analytical hierarchy process (AHP) methods (a case study: Shalamrood watershed).,
[5] Sarkar, S., Roy, A.K., Martha, T.R.J.J.o.t.G.S.o.I., (2013), Landslide susceptibility assessment using information value method in parts of the Darjeeling Himalayas,
[6] Sarkar, S., Kanungo, D., Ptra, A., Kumar, P., (2006), Disaster mitigation of debris flow, slope failure, and landslides. GIS-based landslide susceptibility case study in Indian Himalaya,Universal Academy press, Tokyo, Japan
[7] Sarkar, S., Kanungo, D., Patra, A., Kumar, P., (2006), Disaster mitigation of debris flows, slope failures and landslides. GIS based landslide susceptibility mapping-a case study in Indian Himalaya,Universal Academy Press, Tokyo, Japan
[8] Pourghasemi, H.R., Kerle, N.J.E.e.s., (2016), Random forests and evidential belief function-based landslide susceptibility assessment in Western Mazandaran Province, Iran,
[9] Lee, S., Pradhan, B.J.L., (2007), Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models,
[10] Khosravi, K. et al., (2018), A comparative assessment of decision trees algorithms for flash flood susceptibility modeling at Haraz watershed, northern Iran,
[11] Kanungo, D., Arora, M., Sarkar, S., Gupta, R., (2012), Landslide Susceptibility Zonation (LSZ) Mapping–A Review,
[12] Chen, W. et al., (2017), A novel hybrid artificial intelligence approach based on the rotation forest ensemble and naïve Bayes tree classifiers for a landslide susceptibility assessment in Langao County, China,
[13] Afungang, R.N., de Meneses Bateira, C.V., Nkwemoh, C.A.J.A.J.o.G., (2017), Assessing the spatial probability of landslides using GIS and informative value model in the Bamenda highlands,