Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  14,874,141

Trắc địa học và bản đồ học

Nguyễn Đức Đảm; Lê Văn Hiệp; Nguyễn Thanh Tuấn; Trần Văn Phong; Phạm Thái Bình; Phạm Thái Bình(1)Nguyễn Đức Đảm(2)

Phát triển mô hình học máy cây quyết định và cây quyết đinh xen kẽ thành lập bản đồ dự báo không gian sạt lở đất tại huyện Mường Nhé, tỉnh Điện Biên, Việt Nam

Development of decided tree model and alternating decision tree models for spatial prediction of landslides at Muong Nhe district, Dien Bien province, Vietnam

Khoa học và Công nghệ Giao thông (Đại học Công nghệ Giao thông vận tải)

2022

1

36-56

2734-9942

Sạt lở đất; Cây quyết định; Cây quyết định xem kẽ; Bản đồ dự báo không gian sạt lở đất

Landslide; Alternating decision tree; Decision tree; Landslide susceptibility map; Dien Bien province

Bản đồ dự báo không gian sạt lở đất (Bản đồ nhạy cảm sạt lở đất) là một công cụ hữu ích để quản lý hiệu quả sạt lở đất của một khu vực. Trong nghiên cứu này, chúng tôi áp dụng phương pháp tiếp cận máy học dựa trên hai thuật toán cây quyết định xen kẽ (ADT) và cây quyết định (DT) để lập bản đồ dự báo không gian sạt lở lở đất tại huyện Mường Nhé, tỉnh Điện Biên. Trong nghiên cứu này, 159 vị trí sạt lở đã được xác định và 12 yếu tố ảnh hưởng bao gồm: góc mái dốc, hướng mái dốc, hình dáng bề mặt địa hình, độ cao địa hình, khoảng cách đứt gãy, bao phủ thực vật (NDVI), tích lũy dòng chảy, độ ẩm địa hình (TWI), sức mạnh dòng chảy (SPI), địa chất, khoảng cách đến sông suối, khoảng cách đến đường giao thông đã được sử dụng để xây dựng cơ sở dữ liệu sử dụng cho các mô hình sạt lở đất. Việc đánh giá và so sánh độ chính xác của các mô hình được thực hiện sử dụng các chỉ số thống kê bao gồm đường cong ROC/AUC. Kết quả nghiên cứu cho thấy rằng các mô hình cây quyết định ADT và DT có độ chính xác cao trong xây dựng bản đồ dự báo không gian sạt lở đất, trong đó mô hình ADT (AUCtrain = 0.928, AUCtest = 0.887) có độ chính xác cao hơn so với mô hình DT (AUCtrain = 0.915, AUCtest = 0.800). Bản đồ dự báo không gian sạt lở đất huyện Mường Nhé được xây dựng có thể được sử dụng trong quy hoạch sử dụng đất nhằm quản lý tốt hơn thiên tai sạt lở đất tại khu vực nghiên cứu.

Landslide spatial prediction map is a useful tool for effective management of landslides of an area. In this study, we adopted machine approach based on alternating decision tree (ADT) and decision tree (DT) to predict landslides spatially at Muong district, Dien Bien Province, Vietnam. In this study, a total of 159 landslide past landslides were identified and 12 conditioning factors including: slope, aspect, curvature, elevation, distance to faults, NDVI, flow accumulation, TWI, SPI, geological, distance to rivers, distance to roads were used to build spatial database for landslide spatial modeling. Validation and comparison of the models was done using statistical indicators including ROC / AUC curves. The results show that performance of both ADT and DT is good for spatial prediction of landslides but ADT model (AUCtrain = 0.928, AUCtest = 0.887) is better than DT model (AUCtrain = 0.915, AUCtest = 0.800). Map of landslide spatial prediction at Muong Nhe District can be used in land use planning for better landslide hazard management.

TTKHCNQG, 2734-9942