КОМПЛЕКСНАЯ ОЦЕНКА ОПОЛЗНЕВОЙ ОПАСНОСТИ НА ТЕРРИТОРИИ КЫРГЫЗСТАНА С ИСПОЛЬЗОВАНИЕМ СПУТНИКОВЫХ ДАННЫХ И МАШИННОГО ОБУЧЕНИЯ
Ключевые слова:
картографирование оползневой опасности, геоинформационные системы, машинное обучение, Random Forest, SRTM, цифровая модель рельефа, топографический индекс влажности (TWI)Аннотация
В данной работе рассматривается применение геоинформационных систем (ГИС) и методов машинного обучения для картографирования оползневой опасности в южных регионах Кыргызстана. В качестве исходных данных использованы цифровая модель рельефа SRTM и статистические сведения о ранее зарегистрированных оползнях. На основе анализа морфометрических характеристик рельефа, включая уклон, экспозицию, кривизну и топографический индекс влажности (TWI), сформирован набор признаков для обучения модели. Для оценки оползневой опасности применён алгоритм Random Forest. В результате построена карта вероятности возникновения оползней, позволяющая выявить наиболее уязвимые и потенциально опасные участки исследуемой территории.
Библиографические ссылки
1. Breiman L. Random Forests Breiman L. Random Forests // Machine Learning. - 2001. - Vol. 45, № 1. - С. 5–32.
2. Moore I.D. Digital terrain modelling review Moore I.D., Grayson R.B., Ladson A.R. Digital terrain modelling: A review of hydrological, geomorphological, and biological applications // Hydrological Processes. - 1991. - Vol. 5. - С. 3–30.
3. Reichenbach P. Landslide susceptibility models review Reichenbach P., Rossi M., Malamud B.D., Mihir M., Guzzetti F. A review of statistically-based landslide susceptibility models // Earth-Science Reviews. - 2018. - Vol. 180. - С. 60–91.
4. Tarboton D.G. Flow direction method Tarboton D.G. A new method for the determination of flow directions and upslope areas in grid digital elevation models // Water Resources Research. - 1997. - Vol. 33, №2. - С. 309– 319.
