000 10747nla2a2200793 4500
001 347544
005 20231029234949.0
035 _a(RuTPU)RU\TPU\book\379459
035 _aRU\TPU\book\379448
090 _a347544
100 _a20220512d2022 k y0rusy50 ca
101 0 _arus
102 _aRU
135 _adrcn ---uucaa
181 0 _ai
182 0 _ab
200 1 _aПрименение статистических методов на основе ГИС для оценки потенциального развития оползней в районе Шапа, Вьетнам
_fЗыонг Ван Бинь, И. К. Фоменко, Нгуен Чунг Киен [и др.]
203 _aТекст
_cэлектронный
215 _a1 файл (1 901 Kb)
230 _aЭлектронные текстовые данные (1 файл : 1 901 Kb)
300 _aЗаглавие с титульного листа
320 _a[Библиогр.: с. 135-137 (47 назв.)]
330 _aАктуальность. Прогнозирование и минимизация последствий стихийных бедствий являются важнейшими задачами для правительств во всем мире, включая Вьетнам. Оползни являются одним из наиболее распространенных видов стихийных бедствий во Вьетнаме, особенно в северных горных провинциях, что приводит к значительным человеческим жертвам и материальному ущербу. В этом исследовании для оценки потенциального развития оползней в районе Шапа, провинция Лаокай, применялись статистические методы, с использованием геоинформационных систем (ГИС). Для решения поставленной задачи было отобрано девять факторов, определяющих оползневую восприимчивость на рассматриваемой территории: высота над уровнем моря, расстояние до дорог, крутизна склонов, расстояние от разломов, среднемесячное количество осадков, вертикальное расчленение рельефа, землепользование, тип коры выветривания и расстояние до эрозионной сети. Основная цель исследования заключается в подготовке карт потенциального развития оползней для района Шапа. Кроме того, выполненные работы продемонстрировали эффективность использованных статистических методов при оценке восприимчивости территории к оползневому процессу. Объектом исследования является оползневая восприимчивость в районе Шапа провинции Лаокай (Вьетнам).
330 _aМетоды: статистические методы с использованием ГИС, включая метод соотношения частотностей (англ. Frequency Ratio method - FR), метод анализа оползневой восприимчивости (англ. Landslide Susceptibility Analysis method - LSA) и метод статистического индекса (англ. Statistical Index method - SI). Результаты. Были построены карты потенциального развития оползней для исследуемой территории, которая была разделена на пять зон: очень низкого потенциала, низкого потенциала, среднего потенциала, высокого потенциала и очень высокого потенциала. Площадь под кривой ошибок была использована для оценки достоверности этих моделей. Проценты успеха моделей для тренировочных данных составляют 74,60 % (FR), 70,82 % (LSA) и 76,36 % (SI). Проценты прогнозирования моделей для данных тестирования составляют 77,01 % (FR), 74,36 % (LSA) и 78,11 % (SI). Оценка эффективности моделей показала, что все три метода являются эффективными для оценки потенциального развития оползневого процесса в районе исследования. Результаты исследований имеют исключительно важное значение для планирования землепользования и экономического развития, а также для минимизации ущерба от оползней.
330 _aThe relevance. Predicting and minimizing the impact of natural disasters are critical tasks for governments worldwide, including Vietnam. Landslides are one of the most frequent types of natural disasters in Vietnam, especially in the northern mountainous provinces, resulting in significant loss of life and property. In this study, the GIS-based bivariate statistical methods were applied for assessing landslide potential in Sapa district, Laocai province, Vietnam. For assessing landslide susceptibility, nine landslide-related factors were selected, including elevation, distance to roads, slope, distance to faults, average monthly precipitation, relative relief, land use, crust weathering, and distance to drainage. The main aim of this study is to prepare landslide potential maps for the study area. In addition, the study also demonstrated the effectiveness of bivariate statistical methods for landslide susceptibility assessment. Object of the study is the landslide susceptibility in Sapa district, Laocai province, Vietnam. Methods: GIS-based bivariate statistical methods including frequency ratio, landslide susceptibility analysis, and statistical index.
330 _aResults. Landslide potential maps were prepared using GIS-based bivariate statistical methods. The study area is divided into five landslide potential zones: very low, low, moderate, high, and very high. The area under the curve of the receiver operating characteristic (AUCROC) was used to evaluate the performance of these models. The success rates of the models for the training data are 74,60 % frequency ratio, 70,82 % landslide susceptibility analysis and 76,36 % statistical index. The prediction rates of the models for the testing data are 77,01 % frequency ratio, 74,36 % landslide susceptibility analysis and 78,11 % statistical index. The performance evaluation of the models revealed that all three techniques are efficient in assessing landslide potential in the study area. Study results are critical for land use planning and economic development, as well as minimizing landslide-related damage.
453 _tApplication of GIS-based bivariate statistical methods for landslide potential assessment in Sapa, Vietnam
_otranslation from Russian
_fDuong Van Binh [et al.]
_cTomsk
_nTPU Press
_d2015-
_d2022
453 _tBulletin of the Tomsk Polytechnic University. Geo Assets Engineering
453 _tVol. 333, № 4
461 1 _0(RuTPU)RU\TPU\book\312844
_x2413-1830
_tИзвестия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов
_fНациональный исследовательский Томский политехнический университет (ТПУ)
_d2015-
463 1 _0(RuTPU)RU\TPU\book\379447
_tТ. 333, № 4
_v[С. 126-140]
_d2022
610 1 _aоползневые явления
610 1 _aоползни
610 1 _aметоды анализа
610 1 _aстатистические индексы
610 1 _aГИС
610 1 _aВьетнам
610 1 _aстатистические методы
610 1 _aвосприимчивость
610 1 _aоползневые процессы
610 1 _aтерритории
610 1 _aземлепользование
610 1 _aпотенциальное развитие
610 1 _aэлектронный ресурс
610 _alandslide susceptibility
610 _alandslide potential
610 _afrequency ratio
610 _alandslide susceptibility analysis
610 _astatistical index
610 _aGIS
610 _aSapa
610 _aVietnam
701 0 _aЗыонг Ван Бинь
_6z01712
701 1 _aФоменко
_bИ. К.
_gИгорь Константинович
_6z02712
701 0 _aНгуен Чунг Киен
_6z03712
701 0 _aВи Тхи Хонг Лиен
_6z04712
701 1 _aЗеркаль
_bО. В.
_gОлег Владимирович
_6z05712
701 0 _aВу Хонг Данг
_6z06712
712 0 2 _aХанойский горно-геологический университет
_6z01701
712 0 2 _aРоссийский государственный геологоразведочный университет им. Серго Орджоникидзе
_c(Москва)
_c(2005- )
_2stltpush
_3(RuTPU)RU\TPU\col\8432
_6z01701
712 0 2 _aРоссийский государственный геологоразведочный университет им. Серго Орджоникидзе
_c(Москва)
_c(2005- )
_2stltpush
_3(RuTPU)RU\TPU\col\8432
_6z02701
712 0 2 _aВьетнамская академия наук и технологий
_6z03701
712 0 2 _aВьетнамская академия наук и технологий
_6z04701
712 0 2 _aМосковский государственный университет им. М. В. Ломоносова
_c(1940- )
_2stltpush
_3(RuTPU)RU\TPU\col\7
_6z05701
712 0 2 _aВьетнамский институт геонаук и минеральных ресурсов
_6z06701
801 2 _aRU
_b63413507
_c20220516
_gRCR
856 4 _uhttp://earchive.tpu.ru/handle/11683/70765
856 4 _uhttps://doi.org/10.18799/24131830/2022/4/3473
942 _cCF