BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  23,032,380
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật môi trường và địa chất, địa kỹ thuật

Đoàn Viết Long(2), Võ Nguyễn Đức Phước, Nguyễn Chí Công, Nguyễn Tiến Cường(1)

Ảnh hưởng của phân bố mưa trong xây dựng bản đồ nguy cơ sạt lở đất bằng phương pháp thống kê Frequency Ratio

Tạp chí khoa học - Khoa học kĩ thuật thủy lợi và môi trường

2020

70

40-47

Sạt lở đất, Nhiệt đới, Lượng mưa, Phân bố mưa, Bản đồ, Thống kê Frequency Ratio

Sạt lở đất là loại hình thiên tai khá phổ biến trên thế giới, đặc biệt là ở những nước có khí hậu nhiệt đới gió mùa như Việt Nam, nơi mà ảnh hưởng của lượng mưa và phân bố mưa đến sạt lở đất là rất lớn. Nghiên cứu này đánh giá ảnh hưởng của phân bố mưa đến nguy cơ sạt lở đất bằng mô hình thống kê Frequency Ratio cho 6 huyện miền núi tỉnh Quảng Ngãi. Trong đó, phân bố mưa được xem xét là phân bố mưa bình quân nhiều năm và phân bố mưa thời đoạn theo tần suất trung bình. Các yếu tố ảnh hưởng khác được xét đến bao gồm cao độ, độ dốc, địa mạo, loại đất, sử dụng đất. Mô hình này được xây dựng và kiểm định dựa trên 445 điểm sạt lở đã xảy ra. Chỉ số AUC và LD được sử dụng để đánh giá hiệu quả mô hình. Kết quả cho thấy trường hợp sử dụng phân bố mưa thời đoạn 3 ngày ứng với tần suất 50% cho chỉ số AUC và LD tốt hơn trường hợp dùng phân bố mưa bình quân nhiều năm.

TTKHCNQG, CVt 64

Xem toàn văn
  • [1] Vakhshoori, V., & Zare, M. (2016), Landslide susceptibility mapping by comparing weight of evidence, fuzzy logic, and frequency ratio methods.,Geomatics, Natural Hazards and Risk, 7(5), 1731–1752.
  • [2] Tan, M. T., & Van Tao, N. ( (2014), Studying landslides in Thua Thien-Hue province.,VIETNAM JOURNAL OF EARTH SCIENCES, 36(2), 121–130.
  • [3] Reichenbach, P., Rossi, M., Malamud, B. D., Mihir, M., & Guzzetti, F. (2018), A review of statisticallybased landslide susceptibility models.,Earth-Science Reviews, 180, 60–91.
  • [4] Pradhan, B., Seeni, M. I., & Kalantar, B. (2017), Performance evaluation and sensitivity analysis of expertbased, statistical, machine learning, and hybrid models for producing landslide susceptibility maps.,In Laser scanning applications in landslide assessment (pp. 193–232). Springer.
  • [5] Pradhan, A. M. S., & Kim, Y.-T. (2016), Landslide susceptibility mapping of Phewa catchment using multilayer perceptron artificial neural network.,Nepal Journal of Environmental Science, 4, 1–9.
  • [6] Phuoc, V. N. D., Binh, N. Q., Hung, P. D., Long, D. V., & Cong, N. C. (2019), Studies on the causes of landslides for mountainous regions in central region of Vietnam.,The University of Danang, Journal of Science and Technology, 17, 29–32
  • [7] Pham, B. T., Tien Bui, D., Indra, P., & Dholakia, M. (2015), Landslide susceptibility assessment at a part of Uttarakhand Himalaya, India using GIS–based statistical approach of frequency ratio method.,Int J Eng Res Technol, 4(11), 338–344.
  • [8] Pham, B. T., Prakash, I., Chen, W., Ly, H.-B., Ho, L. S., Omidvar, E., Tran, V. P., & Bui, D. T. (2019), A novel intelligence approach of a sequential minimal optimization-based support vector machine for landslide susceptibility mapping.,Sustainability, 11(22), 6323.
  • [9] Pham, B. T., & Prakash, I. (2018), Machine learning methods of kernel logistic regression and classification and regression trees for landslide susceptibility assessment at part of Himalayan area,,India. Indian J. Sci. Technol, 11, 1–11.
  • [10] Pham, B. T., Bui, D. T., Pham, H. V., Le, H. Q., Prakash, I., & Dholakia, M. B. (2017), Landslide hazard assessment using random subspace fuzzy rules based classifier ensemble and probability analysis of rainfall data: a case study at Mu Cang Chai District, Yen Bai Province (Viet Nam).,Journal of the Indian Society of Remote Sensing, 45(4), 673–683.
  • [11] Nguyen, V. V., Pham, B. T., Vu, B. T., Prakash, I., Jha, S., Shahabi, H., Shirzadi, A., Ba, D. N., Kumar, R., & Chatterjee, J. M. (2019), Hybrid machine learning approaches for landslide susceptibility modeling.,Forests, 10(2), 157.
  • [12] Linh, N. H. K., Degener, J., Ngoc, N. B., & Chau, T. T. M. (2018), Mapping risk of landslide at A Luoi district, Thua Thien Hue province, Vietnam by GIS-based multi-criteria evaluation.,Asian Journal of Agriculture and Development, 15(1362-2018–3543), 87–105.
  • [13] Hùng, P. V., & Dũng, N. V. (2013), Risk warning landslide In the mountainous districts of Quang Ngai province.,VIETNAM JOURNAL OF EARTH SCIENCES, 35(2), 107–119.
  • [14] Hùng, P. V. (2011), Đánh giá hiện trạng và phân vùng cảnh báo nguy cơ trượt lở đất tỉnh Quảng Nam.,VIETNAM JOURNAL OF EARTH SCIENCES, 33(3), 518–525
  • [15] Huang, Y., & Zhao, L. (2018), Review on landslide susceptibility mapping using support vector machines.,Catena, 165, 520–529.
  • [16] Hasanat, M. H. A., Ramachandram, D., & Mandava, R. (2010), Bayesian belief network learning algorithms for modeling contextual relationships in natural imagery: a comparative study.,Artificial Intelligence Review, 34(4), 291–308.
  • [17] Dang, V.-H., Hoang, N.-D., Nguyen, L.-M.-D., Bui, D. T., & Samui, P. (2020), A Novel GIS-Based Random Forest Machine Algorithm for the Spatial Prediction of Shallow Landslide Susceptibility.,Forests, 11(1), 118.
  • [18] Cong, N. C., Binh, N. Q., & Phuoc, V. N. D. (2019), Landslide Susceptibility Mapping by Combining the Analytical Hierarchy Process and Regional Frequency Analysis Methods: A Case Study for Quangngai Province (Vietnam).,International Conference on Asian and Pacific Coasts, 1327–1334
  • [19] Bui, D. T., Tuan, T. A., Klempe, H., Pradhan, B., & Revhaug, I. (2016), Spatial prediction models for shallow landslide hazards: a comparative assessment of the efficacy of support vector machines, artificial neural networks, kernel logistic regression, and logistic model tree.,Landslides, 13(2), 361–378.
  • [20] Bui, D. T., Pradhan, B., Revhaug, I., Nguyen, D. B., Pham, H. V., & Bui, Q. N. (2015), A novel hybrid evidential belief function-based fuzzy logic model in spatial prediction of rainfall-induced shallow landslides in the Lang Son city area (Vietnam).,Geomatics, Natural Hazards and Risk, 6(3), 243–271
  • [21] Bui, D. T., Pradhan, B., Lofman, O., Revhaug, I., & Dick, Ø. B. (2013), Regional prediction of landslide hazard using probability analysis of intense rainfall in the Hoa Binh province, Vietnam.,Natural Hazards, 66(2), 707–730.
  • [22] Bui, D. T., Pradhan, B., Lofman, O., Revhaug, I., & Dick, O. B. (2012), Landslide susceptibility assessment in the Hoa Binh province of Vietnam: a comparison of the Levenberg–Marquardt and Bayesian regularized neural networks.,Geomorphology, 171, 12–29
  • [23] Bui, D. T., Pradhan, B., Lofman, O., Revhaug, I., & Dick, O. B. (2012), Landslide Susceptibility Assessment at Hoa Binh Province of Vietnam Using Frequency Ratio Model.,Advances in Biomedical Engineering, 6, 476–484.
  • [24] Bui, D. T., Ho, T.-C., Pradhan, B., Pham, B.-T., Nhu, V.-H., & Revhaug, I. (2016), GIS-based modeling of rainfall-induced landslides using data mining-based functional trees classifier with AdaBoost, Bagging, and MultiBoost ensemble frameworks.,Environmental Earth Sciences, 75(14), 1101.