論文の概要: Landslide vulnerability analysis using frequency ratio (FR) model: a study on Bandarban district, Bangladesh

• arxiv url: http://arxiv.org/abs/2407.20239v1
• Date: Mon, 15 Jul 2024 16:28:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 00:56:24.454727
• Title: Landslide vulnerability analysis using frequency ratio (FR) model: a study on Bandarban district, Bangladesh
• Title（参考訳）: 周波数比(FR)モデルを用いた地すべりの脆弱性解析-バングラデシュ・バンダルバン地区を対象として
• Authors: Nafis Fuad, Javed Meandad, Ashraful Haque, Rukhsar Sultana, Sumaiya Binte Anwar, Sharmin Sultana,
• Abstract要約: 本研究では,南東バングラデシュのバンダルバン地区を中心に,チッタゴンヒルトラクト(CHT)における地すべりの脆弱性を評価する。 その結果, 急傾斜, 高標高, 特異面, 曲率が地すべりの感受性に大きく寄与することが判明した。 その結果、ランドスライダー・サセプティビリティ・マップ (LSM) は、この地域を5つのサセプティビリティ・ゾーンに分類した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study assesses landslide vulnerability in the Chittagong Hill Tracts (CHT), specifically focusing on Bandarban district in Southeast Bangladesh. By employing a multidisciplinary approach, thirteen factors influencing landslides were examined, including terrain features, land use, and environmental variables. Utilizing the FR model and integrating various datasets such as DEM, satellite images, and rainfall data, landslide susceptibility mapping was conducted. The analysis revealed that steep slopes, high elevations, specific aspects, and curvature contribute significantly to landslide susceptibility. Factors like erosion, soil saturation, drainage density, and human activities were also identified as key contributors. The study underscored the impact of land use changes and highlighted the stabilizing effect of vegetation cover. The resulting Landslide Susceptibility Map (LSM) categorized the area into five susceptibility zones. The model demonstrated a prediction accuracy of 76.47%, indicating its effectiveness in forecasting landslide occurrences. Additionally, the study identified significant changes in the study area over three decades, emphasizing the influence of human activities on slope instability. These findings offer valuable insights for policymakers and land-use planners, emphasizing the importance of proactive measures to mitigate landslide risks and ensure community safety. Incorporating these insights into policy frameworks
• Abstract（参考訳）: 本研究では,南東バングラデシュのバンダルバン地区を中心に,チッタゴンヒルトラクト(CHT)における地すべりの脆弱性を評価する。 地すべりに影響を及ぼす要因として, 地形, 土地利用, 環境変数など13因子について検討した。 FRモデルを用いて,DEM,衛星画像,降雨データなどの各種データセットを統合し,地すべりの感受性マッピングを行った。 その結果, 急傾斜, 高標高, 特異面, 曲率が地すべりの感受性に大きく寄与することが判明した。 浸食、土壌飽和、排水密度、人的活動などの要因も重要な要因として同定された。 この研究は、土地利用の変化の影響を明らかにし、植生被覆の安定化効果を強調した。 その結果、ランドスライダー・サセプティビリティ・マップ (LSM) は、この地域を5つのサセプティビリティ・ゾーンに分類した。 このモデルは76.47%の予測精度を示し、地すべりの発生を予測する効果を示した。 さらに、この研究は30年以上にわたる研究領域の顕著な変化を明らかにし、人間の活動が斜面不安定性に与える影響を強調した。 これらの結果は、政策立案者や土地利用計画者にとって貴重な洞察を与え、地すべりのリスクを軽減し、コミュニティの安全を確保するための積極的措置の重要性を強調している。 これらの洞察を政策枠組みに取り入れる

関連論文リスト

• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• At the junction between deep learning and statistics of extremes: formalizing the landslide hazard definition [1.03590082373586]
  本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。 ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。 提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-01-25T14:48:08Z)
• Landslide Topology Uncovers Failure Movements [1.08890978642722]
  本稿では,スライドやフローなどの動作に基づいて,障害タイプを特定するアプローチを提案する。 地すべりの形態や形状に埋め込まれた物質移動力学の顕著な特徴をトポロジカルプロキシが明らかにしているのを観察する。 歴史的およびイベント固有の地すべりデータベースの障害タイプを80～94 %の精度で識別できる。
  論文  参考訳（メタデータ） (2023-10-14T17:53:55Z)
• Dynamic landslide susceptibility mapping over recent three decades to uncover variations in landslide causes in subtropical urban mountainous areas [17.570791791237387]
  本研究は, 年次LSAに複数の予測モデルを用いた動的地すべり感受性マッピングを提案する。 選ばれた研究エリアは香港のランタウ島で、1992年から2019年までの総合的動的LSAを実施しました。
  論文  参考訳（メタデータ） (2023-08-23T05:33:03Z)
• Knowledge-infused Deep Learning Enables Interpretable Landslide Forecasting [0.019036571490366496]
  近年の変圧器を用いた深層学習は,地すべりの予測に未完成の可能性を秘めている。 地すべりの挙動を均等に予測できる深層学習パイプラインを提案する。 チベット高原における三峡貯水池の地すべり予測モデルと地すべり予測モデルを用いて,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-07-18T03:39:03Z)
• Quantitative Assessment of Drought Impacts Using XGBoost based on the Drought Impact Reporter [0.0]
  気候変動の下では、干ばつの発生頻度、強度、空間的な範囲が増加し、社会経済的コストが上昇する。 テキサス州における多カテゴリー干ばつの影響を予測するための極勾配モデル(XGBoost)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-04T22:16:13Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Combating Noise: Semi-supervised Learning by Region Uncertainty Quantification [55.23467274564417]
  現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。 領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。 PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
  論文  参考訳（メタデータ） (2021-11-01T13:23:42Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。