論文の概要: Groundwater vulnerability assessment in semi-arid regions using GIS-based DRASTIC models and FUZZY AHP: South Chott Hodna

• arxiv url: http://arxiv.org/abs/2602.00023v1
• Date: Fri, 16 Jan 2026 21:19:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 15:03:22.406253
• Title: Groundwater vulnerability assessment in semi-arid regions using GIS-based DRASTIC models and FUZZY AHP: South Chott Hodna
• Title（参考訳）: GISを用いたDRASTICモデルとFUZZY AHPによる半乾燥地域の地下水被害評価:サウス・チョット・ホドナ
• Authors: Lakhdar Seraiche, Mostafa Dougha, Messaoud Ghodbane, Tahar Selmane, Ahmed Ferhati, Djamal Eddine Djemiat,
• Abstract要約: 本研究は, 従来のDRASTICモデルの改良を目的とした, ハイブリット地下水の脆弱性評価フレームワークを提案する。 DRASTIC, DRASTIC_LU, AHP DRASTIC_LU, Fuzzy AHP DRASTIC_LUの4つの脆弱性マップを作成した。 ROC曲線解析により, DRASTICのAUC値が0.812, DRASTIC_LUが0.864, AHP DRASTIC_LUが0.875, ファジィAHP DRASTIC_LUが0.951であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Groundwater vulnerability is a major concern in arid regions worldwide, where population growth and intensive agriculture increase the risks of depletion and contamination. This study proposes a hybrid groundwater vulnerability assessment framework that improves the conventional DRASTIC model by integrating land-use data and applying advanced weighting techniques, namely the Analytical Hierarchy Process (AHP) and its fuzzy logic variant (Fuzzy AHP). This method makes expert-based weighting less subjective, better captures anthropogenic effects, and facilitates adaptation to challenging situations and limited data. Four vulnerability maps were produced using Geographic Information Systems (GIS): DRASTIC, DRASTIC_LU, AHP DRASTIC_LU, and Fuzzy AHP DRASTIC_LU. We used nitrate levels from 70 wells to verify our work. We found that agricultural areas, especially those above the alluvial aquifer, were the most vulnerable. The ROC curve analysis showed that the model improved over time, with the area under the curve (AUC) values of 0.812 for DRASTIC, 0.864 for DRASTIC_LU, 0.875 for AHP DRASTIC_LU, and 0.951 for fuzzy AHP DRASTIC_LU. These results show that fuzzy AHP DRASTIC_LU makes groundwater risk assessments much more. The GIS-based hybrid models offer a scalable and transferable method for mapping vulnerability, but they also provide local and regional water resource managers with useful information.
• Abstract（参考訳）: 世界の乾燥地帯では、人口増加と集中農業が枯渇や汚染のリスクを高めている。 本研究では,土地利用データの統合と高度重み付け技術,すなわち解析階層プロセス(AHP)とそのファジィ論理変種(Fuzzy AHP)の適用により,従来のDRASTICモデルを改善するハイブリッド地下水脆弱性評価フレームワークを提案する。 この方法は、専門家による重み付けを主観的でなくし、人為的効果をよりよく捉え、挑戦的な状況や限られたデータへの適応を促進する。 DRASTIC, DRASTIC_LU, AHP DRASTIC_LU, Fuzzy AHP DRASTIC_LUの4つの脆弱性マップを作成した。 作業の検証には硝酸塩レベルを70井戸から使用しました。 その結果,農業地帯,特に沖積帯水層より上の地域が最も脆弱であることが判明した。 ROC曲線解析により, DRASTIC は 0.812, DRASTIC_LU は 0.864, AHP DRASTIC_LU は 0.875, ファジィ AHP DRASTIC_LU は 0.951 となった。 これらの結果から, ファジィAHP DRASTIC_LUは地下水の危険度をはるかに高めることがわかった。 GISベースのハイブリッドモデルは、脆弱性をマッピングするためのスケーラブルで転送可能な方法を提供するが、ローカルおよび地域的な水資源管理者に有用な情報を提供する。

関連論文リスト

• Predictive Modeling of Flood-Prone Areas Using SAR and Environmental Variables [0.0]
  洪水は世界でも最も破壊的な自然災害の1つであり、生態系、インフラ、人間の生活に深刻なリスクをもたらしている。 本研究では,ケニア西部のニャンド川流域において,合成開口レーダ(SAR)画像と環境・水文データを組み合わせて,洪水感受性をモデル化した。
  論文  参考訳（メタデータ） (2025-12-06T16:24:10Z)
• Integrating Boosted learning with Differential Evolution (DE) Optimizer: A Prediction of Groundwater Quality Risk Assessment in Odisha [0.0]
  本研究では,地下水水質指標(GWQI)を評価するための機械学習に基づく予測モデルを開発した。 LCBoost Fusionと呼ばれるハイブリッド機械学習モデルの助けを借りて実現されている。
  論文  参考訳（メタデータ） (2025-02-25T07:47:41Z)
• FOCUS on Contamination: A Geospatial Deep Learning Framework with a Noise-Aware Loss for Surface Water PFAS Prediction [3.499081366421979]
  PFAS(per- and polyfluoroalkyl substances, PFAS)は、非スティック調理器具などの製品に含まれる化学物質で、健康リスクの高い環境汚染物質である。 本研究では,大規模水域におけるPFAS汚染を予測するため,ラベル付きノイズ認識損失関数を持つ深層学習フレームワークFOCUSを紹介する。
  論文  参考訳（メタデータ） (2025-02-17T16:57:10Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• 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)

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。