To validate the applied landslide h

To validate the applied landslide hazard calculation
method, two basic assumptions are required. One is that
landslides can be related to spatial information (such as
topography, soil, lithology, lineaments, drainage, land
cover and NDVI) and the other one is that future landslides
will be triggered by a specific impact factor, such as
rainfall. In this study, these two assumptions are reasonably
fulfilled because the landslides are related to spatialinformation and all the landslides were caused by heavy
rainfall in Penang, Cameron, and Selangor (Pradhan and
Lee, 2007).
The results of the landslide hazard analysis were displayed
in the maps of Penang, Cameron, and Selangor which were
separately computed on the basis of each of the Penang,
Cameron, and Selangor factors and subsequently validated
and cross-validated using all landslide locations in these
areas. The maps of Penang, calculated by means of the Penang,
Cameron, and Selangor ratings, were validated using
the entire landslide locations in Penang, Cameron and Selangor.
Also, the maps of Cameron, calculated on the basis of
the Penang, Cameron, and Selangor parameters, were validated
using landslide locations in Penang, Cameron, and
Selangor. Likewise, for the study area of Selangor the corresponding
procedure was applied. Therefore, overall validations
were performed in nine cases.
A comparative depiction of the results like the one given
in Fig. 4 illustrates how well the nine landslide hazard maps
match reality. To obtain Fig. 4, the relative ranks of landslide
hazard maps and landslide occurrence were calculated
for each case, and the validation results were divided into
classes of accumulated area ratios according to the percentage
of the landslide hazard indices.
The above procedure was applied to each of the study
areas. In the case of the application of the Penang logistic
regression coefficients to the study area of Penang (Fig. 4),
the 90–100% class with the highest 10% of probability of a
landslide contains 53% of the landslides in that area. The
0–20% class contains 72%, and the 0–30% class contains
87% of all landslides in Penang. As for the application of
the Cameron logistic regression coefficients to Cameron
(Fig. 4), the 90–100% class with the highest possibility
(10%) of a landslide contains 59% of the landslides in Cameron.
The 0–20% class contains 81% and the 0–30% class
contains 91% of the landslides in Cameron. For Selangor
(Fig. 4), the corresponding figures read 80%, 90%, and
97% of all landslides occurring in Selangor.
The above procedure was also adapted for the cross-validation
in other two study areas. When applying the Cameron
and Selangor logistic regression coefficients to Penang
(Fig. 5), the 90–100% class with the highest 10% possibility
of landslides contains 40% of the landslides occurring in
Cameron and 32% of the landslides of Selangor. In the case
of the application of the Penang and Selangor logistic
regression coefficients to Cameron (Fig. 5), the 90–100%
class with the highest possibility of landslides contains
50% of the landslides of Penang area and 51% of the landslides
of Selangor. When applying the Penang and Cameron
logstic regression coefficients to Selangor (Fig. 5),
the 90–100% class with the highest possibility of landslides
contains 56% of the landslides occurring in Penang and
63% of those of Cameron.
To compare the result quantitatively, the areas under the
curves were re-calculated.When the total area is found 1 indicating
perfect prediction accuracy. Hence, the areas under
curve can be used to assess the prediction accuracy qualitatively
(Table 3). In the case of Penang based on Penang logistic
regression coefficient value, the area ratio was 0.8662, thus
implying a prediction accuracy of 86.62%. In the case of Penang
based onCameron logistic regression coefficient value, the
area ratio was 0.8206 and the prediction accuracy 82.06%.
When applying the Selangor logistic regression coefficient
value to Penang, the area ratio was 0.7975, and the prediction
accuracy 79.75%. In the case of Cameron based on Cameron
logistic regression coefficient value, the area ratio was 0.8925,
and the prediction accuracy is 89.25%. In the case of Cameron
based on Penang logistic regression coefficient value, the area
ratio was 0.8459 and the prediction accuracy is 84.59%. Further
“area under the curve” values and the corresponding prediction
accuracies can be retrieved from Table 3.

ผลลัพธ์ (ไทย) 1:

การตรวจสอบการคำนวณภัยดินถล่มที่ใช้วิธี สมมติฐานสองพื้นฐานจำเป็น หนึ่งคือแผ่นดินถล่มสามารถเกี่ยวข้องกับข้อมูลปริภูมิ (เช่นภูมิประเทศ ดิน lithology, lineaments ระบายน้ำ แผ่นดินฝาครอบและ NDVI) และอีกหนึ่งคือแผ่นดินถล่มในอนาคตจะถูกทริกเกอร์ โดยปัจจัยผลกระทบเฉพาะ เช่นปริมาณน้ำฝน ในการศึกษานี้ สมมติฐานเหล่านี้สองจะสมเหตุสมผลสมบูรณ์เนื่องจากแผ่นดินถล่มเกี่ยวข้องกับ spatialinformation และมีเกิดแผ่นดินถล่มทั้งหมดจากหนักปริมาณน้ำฝน ในปีนัง Cameron เซลังกอร์ (Pradhan และลี 2007)มีแสดงผลของการวิเคราะห์ภัยดินถล่มในแผนที่ ของปีนัง Cameron, Selangor ซึ่งแยกต่างหากจากคำนวณโดยใช้ละปีนังCameron และปัจจัย Selangor และตรวจสอบในเวลาต่อมาและตรวจสอบระหว่างใช้ตำแหน่งดินถล่มทั้งหมดในเหล่านี้พื้นที่ แผนที่ของปีนัง คำนวณ โดยปีนังCameron และการจัดอันดับ Selangor ถูกตรวจสอบโดยใช้ตำแหน่งดินถล่มทั้งในปีนัง Cameron และเซลังกอร์ยัง แผนที่ Cameron คำนวณบนพื้นฐานของมีการตรวจสอบพารามิเตอร์ปีนัง Cameron และ Selangorใช้พื้นที่ดินถล่มในปีนัง Cameron และเซลังกอร์ ในทำนองเดียวกัน ในพื้นที่ศึกษาของเซลังกอร์ให้สอดคล้องกับใช้กระบวนการ ดังนั้น ตรวจสอบโดยรวมได้ดำเนินการในกรณีที่เก้าแสดงให้เห็นการเปรียบเทียบของผลลัพธ์เช่นหนึ่งที่กำหนดใน Fig. 4 แสดงแผนที่ภัยดินถล่ม 9 วิธีการที่ดีตรงกับความเป็นจริง รับ Fig. 4 ญาติอันดับของดินถล่มคำนวณแผนที่อันตรายและเกิดดินถล่มสำหรับแต่ละกรณี การตรวจสอบ ผลได้แบ่งออกเป็นเรียนของอัตราส่วนพื้นที่สะสมตามเปอร์เซ็นต์ของดัชนีภัยดินถล่มขั้นตอนข้างต้นถูกใช้เพื่อการศึกษาแต่ละพื้นที่ ในกรณีของแอพลิเคชันของปีนังโลจิสติกค่าสัมประสิทธิ์การถดถอยการศึกษาพื้นที่ของปีนัง (Fig. 4),ชั้น 90 – 100% กับ 10% สูงสุดของความน่าเป็นดินถล่มประกอบด้วย 53% ของแผ่นดินถล่มในพื้นที่ที่ ที่0 – 20% คลาสประกอบด้วย 72% และประกอบด้วยคลาส 0 – 30%87% ของแผ่นดินถล่มทั้งหมดในปีนัง เป็นการประยุกต์ใช้สัมประสิทธิ์ถดถอยโลจิสติก Cameron ไป Cameron(Fig. 4), 90-100% เรียน มีความเป็นไปได้สูงสุด(10%) ของแผ่นดินถล่มประกอบด้วย 59% ของแผ่นดินถล่มใน Cameronเรียน 0-20% ประกอบด้วย 81% และชั้น 0-30%ประกอบด้วย 91% ของแผ่นดินถล่มใน Cameron ในเซลังกอร์(Fig. 4), ตัวเลขที่เกี่ยวข้องอ่าน 80%, 90% และ97% ของแผ่นดินถล่มทั้งหมดที่เกิดขึ้นในเซลังกอร์ขั้นตอนข้างต้นถูกดัดแปลงสำหรับการข้ามการตรวจสอบยังอื่น ๆ 2 ศึกษาพื้นที่ เมื่อใช้ Cameronและสัมประสิทธิ์การถดถอยโลจิสติกเซลังกอร์ไปปีนัง(Fig. 5), 90-100% เรียน มีความเป็นไปได้ 10% สูงสุดของแผ่นดินถล่มประกอบด้วย 40% ของแผ่นดินถล่มที่เกิดขึ้นในCameron และ 32% ของแผ่นดินถล่มของเซลังกอร์ ในกรณีof the application of the Penang and Selangor logisticregression coefficients to Cameron (Fig. 5), the 90–100%class with the highest possibility of landslides contains50% of the landslides of Penang area and 51% of the landslidesof Selangor. When applying the Penang and Cameronlogstic regression coefficients to Selangor (Fig. 5),the 90–100% class with the highest possibility of landslidescontains 56% of the landslides occurring in Penang and63% of those of Cameron.To compare the result quantitatively, the areas under thecurves were re-calculated.When the total area is found 1 indicatingperfect prediction accuracy. Hence, the areas undercurve can be used to assess the prediction accuracy qualitatively(Table 3). In the case of Penang based on Penang logisticregression coefficient value, the area ratio was 0.8662, thusimplying a prediction accuracy of 86.62%. In the case of Penangbased onCameron logistic regression coefficient value, thearea ratio was 0.8206 and the prediction accuracy 82.06%.When applying the Selangor logistic regression coefficientvalue to Penang, the area ratio was 0.7975, and the predictionaccuracy 79.75%. In the case of Cameron based on Cameronlogistic regression coefficient value, the area ratio was 0.8925,and the prediction accuracy is 89.25%. In the case of Cameronbased on Penang logistic regression coefficient value, the arearatio was 0.8459 and the prediction accuracy is 84.59%. Further"พื้นที่ภายใต้โค้ง" ค่าและคำทำนายที่ตรงกันaccuracies สามารถดึงข้อมูลจากตาราง 3

ผลลัพธ์ (ไทย) 2:

ในการตรวจสอบการคำนวณอันตรายจากดินถล่มที่ใช้วิธีการสองสมมติฐานพื้นฐานจะต้อง หนึ่งคือการที่ถล่มสามารถที่เกี่ยวข้องกับข้อมูลเชิงพื้นที่(เช่นภูมิประเทศดินlithology, lineaments ระบายน้ำที่ดินครอบคลุมและNDVI) และคนอื่น ๆ ที่ถล่มในอนาคตจะถูกเรียกโดยปัจจัยที่ส่งผลกระทบที่เฉพาะเจาะจงเช่นปริมาณน้ำฝน ในการศึกษานี้ทั้งสองสมมติฐานที่สมเหตุสมผลปฏิบัติตามเพราะแผ่นดินถล่มที่เกี่ยวข้องกับ spatialinformation และแผ่นดินถล่มทั้งหมดที่เกิดจากหนักปริมาณน้ำฝนในปีนังคาเมรอนและสลังงอ(พรัดและลี 2007). ผลของการวิเคราะห์อันตรายถล่มที่มีการแสดงผลในแผนที่ปีนังคาเมรอนและสลังงอซึ่งได้รับการคำนวณแยกบนพื้นฐานของแต่ละปีนังคาเมรอนและปัจจัยลังงอร์และตรวจสอบในภายหลังและข้ามการตรวจสอบโดยใช้สถานที่ถล่มในเหล่านี้พื้นที่ แผนที่แสดงที่ปีนังซึ่งคำนวณโดยวิธีการของปีนังคาเมรอนและการให้คะแนนลังงอร์ได้รับการตรวจสอบโดยใช้สถานที่ถล่มทลายทั้งในปีนังคาเมรอนและสลังงอ. นอกจากนี้ยังมีแผนที่ของคาเมรอน, การคำนวณบนพื้นฐานของปีนังคาเมรอนและพารามิเตอร์ลังงอร์ได้รับการตรวจสอบโดยใช้สถานที่ถล่มในปีนังคาเมรอนและลังงอร์ ในทำนองเดียวกันสำหรับพื้นที่การศึกษาของสลังงอที่สอดคล้องกันขั้นตอนที่ถูกนำมาใช้ ดังนั้นการตรวจสอบโดยรวมได้รับการดำเนินการในกรณีที่เก้า. เป็นภาพเปรียบเทียบผลเช่นเดียวกับที่กำหนดในรูป 4 แสดงให้เห็นถึงวิธีการที่ดีเก้าแผนที่อันตรายถล่มตรงกับความเป็นจริง ที่จะได้รับรูป 4 หมู่ญาติของถล่มแผนที่อันตรายและการเกิดดินถล่มถูกคำนวณสำหรับแต่ละกรณีและผลการตรวจสอบที่ถูกแบ่งออกเป็นชั้นของอัตราส่วนพื้นที่สะสมตามร้อยละของดัชนีอันตรายจากดินถล่ม. ขั้นตอนข้างต้นถูกนำไปใช้ในแต่ละการศึกษาพื้นที่ ในกรณีของการประยุกต์ใช้ของโลจิสติกปีนังที่ค่าสัมประสิทธิ์การถดถอยไปยังพื้นที่การศึกษาปีนัง (รูปที่. 4), ชั้น 90-100% สูงสุด 10% ของความน่าจะเป็นของแผ่นดินถล่มมี53% ของดินถล่มในพื้นที่ว่า ระดับ 0-20% มี 72% และระดับ 0-30% มี87% ของแผ่นดินถล่มทั้งหมดในปีนัง ในฐานะที่เป็นสำหรับการใช้งานของคาเมรอนค่าสัมประสิทธิ์การถดถอยโลจิสติกที่จะคาเมรอน(รูปที่ 4.) ที่ระดับ 90-100% มีความเป็นไปได้สูงที่สุด(10%) ของดินถล่มมี 59% ของแผ่นดินถล่มในคาเมรอน. ชั้น 0-20% มี 81% และระดับ 0-30% มี 91% ของแผ่นดินถล่มในคาเมรอน สำหรับสลังงอ(รูปที่. 4) ตัวเลขที่สอดคล้องกันอ่าน 80%, 90% และ97% ของทุกแผ่นดินถล่มที่เกิดขึ้นในสลังงอ. ขั้นตอนข้างต้นก็เหมาะสำหรับการตรวจสอบข้ามในอีกสองพื้นที่การศึกษา เมื่อใช้คาเมรอนและสลังงอสัมประสิทธิ์การถดถอยโลจิสติกไปปีนัง(รูปที่. 5) ที่ระดับ 90-100% มีความเป็นไปได้สูงสุด 10% ของแผ่นดินถล่มมี 40% ของดินถล่มที่เกิดขึ้นในคาเมรอนและ32% ของดินถล่มของลังงอร์ ในกรณีของการประยุกต์ใช้ปีนังและสลังงอโลจิสติกค่าสัมประสิทธิ์การถดถอยไปคาเมรอน(รูปที่. 5) ที่ 90-100% เรียนกับความเป็นไปได้สูงสุดของแผ่นดินถล่มมี50% ของแผ่นดินถล่มพื้นที่ปีนังและ 51% ของแผ่นดินถล่มของลังงอร์ เมื่อใช้ปีนังคาเมรอนและค่าสัมประสิทธิ์การถดถอย logstic การสลังงอ (รูปที่. 5), ชั้น 90-100% มีความเป็นไปได้สูงสุดของแผ่นดินถล่มมี56% ของดินถล่มที่เกิดขึ้นในรัฐปีนังและ63% ของผู้ที่คาเมรอน. เพื่อเปรียบเทียบผลที่ได้ ปริมาณพื้นที่ที่อยู่ภายใต้เส้นโค้งอีกครั้งcalculated.When พื้นที่ทั้งหมดที่พบ 1 แสดงให้เห็นความถูกต้องของการทำนายที่สมบูรณ์แบบ ดังนั้นพื้นที่ภายใต้เส้นโค้งสามารถนำมาใช้ในการประเมินความถูกต้องคาดการณ์ในเชิงคุณภาพ(ตารางที่ 3) ในกรณีที่ปีนังขึ้นอยู่กับโลจิสติกปีนังค่าสัมประสิทธิ์การถดถอยอัตราส่วนพื้นที่เป็น 0.8662 จึงหมายความความถูกต้องของการทำนาย86.62% ในกรณีที่ปีนังตาม onCameron ถดถอยโลจิสติกค่าสัมประสิทธิ์การที่อัตราส่วนพื้นที่เป็น0.8206 และความถูกต้องทำนาย 82.06%. เมื่อใช้ค่าสัมประสิทธิ์การถดถอยโลจิสติกสลังงอมูลค่าให้กับปีนังอัตราส่วนพื้นที่เป็น 0.7975 และการทำนายความถูกต้อง79.75% ในกรณีที่คาเมรอนขึ้นอยู่กับคาเมรอนค่าสัมประสิทธิ์การถดถอยโลจิสติกอัตราส่วนพื้นที่เป็น 0.8925, และความถูกต้องทำนายเป็น 89.25% ในกรณีที่คาเมรอนขึ้นอยู่กับค่าสัมประสิทธิ์การถดถอยโลจิสติกปีนังพื้นที่อัตราส่วน0.8459 และความถูกต้องทำนายเป็น 84.59% นอกจากนี้"พื้นที่ใต้เส้นโค้ง" ค่านิยมและการคาดการณ์ที่สอดคล้องความถูกต้องสามารถเรียกข้อมูลจากตารางที่3

ผลลัพธ์ (ไทย) 3:

ซึ่งได้ประยุกต์วิธีการคำนวณจากอันตราย
2 สมมติฐานพื้นฐานได้เป็นอย่างดี หนึ่งคือว่า
ดินถล่มสามารถที่เกี่ยวข้องกับข้อมูลเชิงพื้นที่ ( เช่น
ภูมิประเทศ ดิน การศึกษาทางธรณีวิทยา lineaments , ที่ดิน และ การระบายน้ำ การเปลี่ยนแปลงด้านพืชพรรณปกคลุม
) และอีกหนึ่งคือ
ดินถล่มในอนาคตจะถูกเรียกโดยปัจจัยเฉพาะ เช่น
ฝนได้ ในการศึกษานี้เหล่านี้สองสมมติฐานที่สมเหตุสมผล
สมหวังเพราะดินถล่มเกี่ยวข้องกับ spatialinformation และดินถล่มทั้งหมดเกิดจากฝนตกหนัก
ปีนัง , คาเมรอน และสลังงอร์ ( pradhan และ

ลี , 2007 ) . ผลของดินถล่ม การวิเคราะห์อันตรายที่ถูกแสดงขึ้น
ในแผนที่ของปีนัง , คาเมรอน และเซลังงอร์ซึ่ง
แยกกันคำนวณบนพื้นฐานของปีนัง
คาเมรอนและ สลังงอร์ปัจจัยและต่อมาตรวจสอบและข้ามตรวจสอบ โดยใช้สถานที่
ดินถล่มในพื้นที่เหล่านี้

แผนที่ของปีนัง ที่คำนวณโดยวิธีการของปีนัง
คาเมรอน และค้นหาการจัดอันดับ ตรวจสอบความตรงโดยใช้
ทั้งดินถล่ม สถานที่ในปีนังคาเมรอนและสลังงอร์ .
นอกจากนี้ แผนที่ของ คาเมรอน คำนวณบนพื้นฐานของ
ปีนังคาเมรอน และเซลังงอร์พารามิเตอร์มีการตรวจสอบ
ดินถล่มสถานที่ในปีนังคาเมรอนและ
Selangor . อนึ่ง สำหรับพื้นที่ศึกษา Selangor ที่
ขั้นตอนที่ใช้ ดังนั้น โดยรวมมีการปฏิบัติใน validations

9 ราย เป็นภาพเปรียบเทียบผลเหมือนในรูปที่ 4 แสดงให้เห็นถึงวิธีการให้

ดีเก้าเกิดภัยพิบัติแผ่นดินถล่มแผนที่ตรงกับความเป็นจริง เพื่อให้ได้รูปที่ 4ตำแหน่งสัมพัทธ์ของการเกิดภัยดินถล่ม
แผนที่ดินถล่มคำนวณ
สำหรับแต่ละกรณีและตรวจสอบผลออกเป็น
เรียนสะสมพื้นที่อัตราส่วนตามอัตราร้อยละของพิบัติภัยดัชนี
.
ขั้นตอนข้างต้นมาใช้ในแต่ละพื้นที่ศึกษา
. ในกรณีของการประยุกต์ใช้โลจิสติกส์
ปีนังสัมประสิทธิ์ถดถอยการศึกษาพื้นที่ของปีนัง ( รูปที่ 4 ) ,
90 – 100 % เรียนกับสูงสุด 10% ของความน่าจะเป็นของ
ดินถล่มมีร้อยละ 53 ของแผ่นดินถล่มในพื้นที่นั้น
0 – 20% ชั้นประกอบด้วย 72% และ 0 – 30 % ชั้นมี
87% ของแผ่นดินถล่มในปีนัง สำหรับการประยุกต์ใช้ค่าสัมประสิทธิ์การถดถอยโลจิสติก
คาเมรอนคาเมรอน
( รูปที่ 4 )