Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

10.07.2020 | Original Paper | Ausgabe 10/2020

Bulletin of Engineering Geology and the Environment 10/2020

A comparative study on machine learning modeling for mass movement susceptibility mapping (a case study of Iran)

Zeitschrift:
Bulletin of Engineering Geology and the Environment > Ausgabe 10/2020
Autoren:
Sayed Naeim Emami, Saleh Yousefi, Hamid Reza Pourghasemi, Shahla Tavangar, M. Santosh

Abstract

Mass movements are among the most dangerous natural hazards in mountainous regions. The present study employs machine learning (ML) models for mass movement susceptibility mapping (MMSM) in Iran based on a comprehensive dataset of 864 mass movements which include debris flow, landslide, and rockfall during the last 42 years (1977–2019) as well as 12 conditional factors. The results of validation stage show that RF (random forest) is the most viable model for mass movement susceptibility maps. In addition, MARS (multivariate adaptive regression splines), MDA (mixture discriminant additive), and BRT (boosted regression trees) models also provide relatively accurate results. Results of the AUC for validation of produced maps were 0.968, 0.845, 0.828, and 0.765 for RF, MARS, MDA, and BRT, respectively. Based on MMSM generated by RF model, 32% of study area is identified to be under high and very high susceptibility classes. Most of the endangered areas for mass movement are in the west and central parts of the Chaharmahal and Bakhtiari Province. In addition, our findings indicate that elevation, slope angle, distance from roads, and distance from faults are critical factors for mass movement. Our results provide a perspective view for decision makers to mitigate natural hazards.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 10/2020

Bulletin of Engineering Geology and the Environment 10/2020 Zur Ausgabe