3. Materials and methodsAn inventor

3. Materials and methods
An inventory of debris rockslides in the study area was prepared
in order to identify their relationships with conditional factors such
as altitude, aspect, slope angle, lithology, and distance to lineaments.
The debris rockslides were identified using high resolution
satellite imagery (SPOT 5 with a 2.5-m spatial resolution, taken in
August 2002 and January 2003) from Google Earth™, which were
georeferenced to a geographical coordinate system (WGS84) within
a geographical information system (GIS). The identified debrisrockslides
and their areas were stored, in vector format, through
manual digitalization using GIS.
Elevations (Fig. 2) were obtained from topographical information
obtained from ASTER GDEM V2 (NASA, 2011). Therefore, a
digital elevation model (DEM) was made for the region. Using the
DEM, slope aspect (Fig. 2) and the slope angle (Fig. 2) were calculated.
The lithology (Fig. 2) data were acquired from geologic map
sheets (3169-III Barreal, preliminary and 3169-IV San Juan) published
by the Servicio Geologico Minero Argentino (Argentine

Mining Geologic Service) at 1:250,000 scale (SEGEMAR, 2000).
Fault lines and lineaments located in the study area were
derived by integrating the existing geological data and imagery
interpretation. The study area and its vicinity are significantly
affected by the Neotectonic activity of the region; these data
strongly suggest the role of fault zones in controlling the distribution
of landslide scars (Perucca and Onorato, 2011). Therefore, to
assess causeeeffect relationships between lineaments and slide
occurrence, distances to lineaments (Fig. 2) was calculated using
multiple buffers of 100 m incremental distance. The morphometric
parameters of the debris-rockslides were measured according to
the definitions to WP/WLI (International Geotechnical
Societies ¼ UNESCO Working Party on World Landslide Inventory)
suggested Nomenclature for Landslides (modified of IAEG, 1990).
In order to compute the volume of the debris-rockslides, the
pre-slide topography needs to be reconstructed. This reconstruction
is based on the continuity between the present topography
outside the scar area and the pre-event topography within the slide
area. The pre-slide DEM was obtained by reshaping post-slide DEM,
by deleting points corresponding to slide and interpolating the preslide
topography, using the intersection lines of interpolated
structural features, based on geomorphic observations that
included a careful observation of the structure/morphology of the
mountain around. Calculation of the volumes and thickness of the
slide involved measurement of the difference between pre- and
post-slide DEM (Süzen and Doyuran, 2004).
Using the frequency ratio method and a logistic regression
model (Esper Angillieri, 2010), relationships between the presence
of debris rockslides and some variables were analyzed. Frequency
ratio approaches are based on the observed relationships between
distribution of debris e rockslides and each slide related variable, to
reveal the correlation between debris e rockslides locations and
the variables in the study area. Therefore, the frequency ratio can be
calculated according to the following equation:
Fr ¼ Ni
N

Si
S
where S is the total number of pixels, N is the number of pixels with
debris e rockslides occurrences; Si is the number of pixels the i
variable and Ni is the number of pixels in which the debris rockslides
occurred in the i variable. If the value is greater than 1, it
means a higher correlation, and a value smaller than 1 means lower
correlation.
Logistic regression allows forming a multivariate regression
relation between a dependent variable and several independent
variables (Atkinson and Massari, 1998). The dependent data is
made up of 0 and 1 values which show the absence and presence of
debris rockslides respectively. The advantages of logistic regression
are: 1) each variable used can be either continuous or discrete, and
2) it does not necessarily have a normal distribution. In the present
situation, the binary dependent variable represents the presence or
absence of debris rockslides. The forward stepwise logistic regression
was carried out to incorporate predictor variables with an
important contribution to the presence of debris-rockslides. The
higher the logistic regression coefficient, the higher impacts on
slide occurrence can be expected. In a logistic regression analysis, it
is preferable that the number of pixels representing areas with an
occurrence and that without it should be the same (Süzen and
Doyuran, 2004a; Ayalew and Yamagishi, 2005).
In the study area, 200 points, on the rupture zone (exclude both
the transport and the deposition of landslide), represent the debris
rockslides. Therefore, 200 points without debris rockslides were
randomly selected for logistic regression. The lithologic units and
distances to lineaments classes were treated as categorical variables,
and slope, aspect and elevation, as continuous variables. In
logistic regression, multicollinearity checking is necessary to check
the correlation of independent variables (Hosmer and Lemeshow,
1989). Multicollinearity is a statistical situation in which two or
more predictor variables are highly correlated, meaning that one
can be linearly predicted from the others with a non-trivial degree
of accuracy. Tolerance (TOL) and the variance inflation factor are
two important indexes that are widely used for multicollinearity
checking. According to Menard (1995), a TOL value less than 0.2 is
one indicator for multicollinearity, and serious multicollinearity
occurs between independent variables when the TOL values are
smaller than 0.1. The variance inflation factor (VIF) is calculated by
1/tolerance. If VIF value exceeds 10, it is often regarded as indicating
multicollinearity. Additionally, the Pearson correlation was also
used to test the correlation between variables.
4. Results and discussion
A total of 35 dry debris-rockslides were identified (Fig. 1), which
covered an area of 6.36 km2
, accounting for 2.21% of the study area,
with a total volume of 23.99  106 m3
. The minimum, mean and the
maximum slide areas are 0.001, 0.18, and 0.66 km2 respectively.
Mean width of the rupture zone (Wr) is 301.30 m, and the mean
length of the displaced mass (Ld) 373.22 m. The widths of the
rupture zone (Wr) of individual debris-rockslides range from 28.21
to 1059.82 m and displaced mass (Ld) from 21.36 to 1197.95 m.
Geometric characteristics of the individual debris-rockslides
observed within the study area are presented in Table 1. Fig. 1
shows the spatial distribution of the debris-rockslides.
The volume of all debris rockslides was calculated from a
DEM with low horizontal and vertical resolution (30 m), which

ผลลัพธ์ (ไทย) 2:

3. วัสดุและวิธีการ
สินค้าคงคลังของเศษ rockslides ในพื้นที่ศึกษาถูกจัดทำขึ้น
เพื่อที่จะระบุความสัมพันธ์กับปัจจัยเงื่อนไขดังกล่าว
เป็นระดับความสูงด้านมุมลาด lithology และระยะทางที่จะ lineaments.
เศษ rockslides ถูกระบุโดยใช้ความละเอียดสูง
ผ่านดาวเทียม ภาพ (SPOT 5 2.5 เมตรความละเอียดเชิงพื้นที่ดำเนินการใน
สิงหาคม 2002 และเดือนมกราคม 2003) จาก Google Earth ™ซึ่งได้รับ
การอ้างอิงทางภูมิศาสตร์กับระบบพิกัดทางภูมิศาสตร์ (WGS84) ภายใน
ระบบสารสนเทศทางภูมิศาสตร์ (GIS) debrisrockslides ระบุ
และพื้นที่ของพวกเขาถูกเก็บไว้ในรูปแบบเวกเตอร์ผ่าน
ระบบดิจิตอลคู่มือการใช้ระบบสารสนเทศภูมิศาสตร์.
เอนไซม์ไล (รูปที่. 2) ที่ได้รับจากข้อมูลภูมิประเทศ
ที่ได้รับจาก ASTER GDEM V2 (NASA 2011) ดังนั้น
รูปแบบการยกระดับดิจิตอล (DEM) ถูกสร้างขึ้นมาสำหรับภูมิภาค ใช้
DEM ด้านความลาดชัน (รูปที่. 2) และมุมลาดชัน (รูปที่. 2) จะถูกคำนวณ.
lithology (รูปที่. 2) ข้อมูลที่ได้รับมาจากแผนที่ทางธรณีวิทยา
แผ่น (3169-III Barreal เบื้องต้นและ 3169-IV ซานฮวน ) ที่ตีพิมพ์
โดย Servicio Geologico Minero อาร์เจนติ (อาร์เจนตินา?
การทำเหมืองแร่ Service) ที่. 1: 250000 ขนาด (SEGEMAR, 2000)
สายการผิดพลาดและ lineaments ตั้งอยู่ในพื้นที่การศึกษาถูก
มาโดยการบูรณาการข้อมูลทางธรณีวิทยาที่มีอยู่และภาพ
การตีความ พื้นที่ศึกษาและปริมณฑลอย่างมีนัยสำคัญ
ผลกระทบจากกิจกรรมของ Neotectonic ภูมิภาค; ข้อมูลเหล่านี้
ขอแนะนำบทบาทของโซนความผิดพลาดในการควบคุมการกระจาย
ของรอยแผลเป็นถล่ม (Perucca และ Onorato 2011) ดังนั้นเพื่อ
ประเมินความสัมพันธ์ระหว่าง causeeeffect lineaments และสไลด์
เกิดขึ้นระยะทางที่จะ lineaments (รูปที่. 2) ได้รับการคำนวณโดยใช้
บัฟเฟอร์หลาย 100 เมตรระยะทางที่เพิ่มขึ้น เมตริก
พารามิเตอร์ของเศษ rockslides วัดตาม
คำจำกัดความที่จะ WP / WLI (ปฐพีนานาชาติ
สังคม¼ยูเนสโกคณะทำงานในโลกถล่มสินค้าคงคลัง)
แนะนำศัพท์สำหรับแผ่นดินถล่ม (แก้ไข IAEG, 1990).
เพื่อที่จะคำนวณปริมาณของ เศษ rockslides,
ภูมิประเทศก่อนสไลด์จะต้องมีการสร้างขึ้นใหม่ การฟื้นฟูนี้
จะขึ้นอยู่กับความต่อเนื่องระหว่างภูมิประเทศปัจจุบัน
นอกพื้นที่รอยแผลเป็นและภูมิประเทศก่อนเหตุการณ์ภายในสไลด์
ในพื้นที่ DEM ก่อนสไลด์ได้มาจากการก่อร่างใหม่ DEM โพสต์สไลด์
โดยการลบจุดที่สอดคล้องกับการเลื่อนและ interpolating preslide
ภูมิประเทศโดยใช้เส้นจุดตัดของหยัน
คุณสมบัติโครงสร้างตามข้อสังเกต geomorphic ที่
รวมถึงการสังเกตระมัดระวังของโครงสร้าง / สัณฐานวิทยาของ
ภูเขารอบ การคำนวณปริมาณและความหนาของ
สไลด์ที่เกี่ยวข้องกับการวัดความแตกต่างระหว่างก่อนและ
หลังการ DEM สไลด์ (Süzenและ Doyuran, 2004).
การใช้วิธีอัตราส่วนความถี่และการถดถอยโลจิสติก
รุ่น (Esper Angillieri 2010) ความสัมพันธ์ระหว่าง การปรากฏตัว
ของ rockslides เศษและตัวแปรบางส่วนถูกนำมาวิเคราะห์ ความถี่
วิธีอัตราส่วนอยู่บนพื้นฐานของความสัมพันธ์ระหว่างสังเกต
การกระจายของเศษอี rockslides และแต่ละสไลด์ตัวแปรที่เกี่ยวข้องกับการ
เปิดเผยความสัมพันธ์ระหว่างอีเศษสถาน rockslides และ
ตัวแปรในพื้นที่ศึกษา ดังนั้นสัดส่วนความถี่สามารถ
คำนวณตามสมการต่อไปนี้:
Fr ¼ Ni
ไม่มี
? ศรี
S
ที่ S เป็นจำนวนรวมของพิกเซล, N คือจำนวนพิกเซลที่มี
เศษจเกิดขึ้น rockslides; ศรีเป็นจำนวนพิกเซลฉัน
ตัวแปรและ Ni คือจำนวนพิกเซลที่เศษ rockslides
เกิดขึ้นในตัวแปรฉัน ถ้าค่าเป็นมากกว่า 1 ก็
หมายถึงความสัมพันธ์ที่สูงขึ้นและความคุ้มค่ามีขนาดเล็กกว่า 1 หมายถึงการที่ต่ำกว่า
ความสัมพันธ์.
ถดถอยโลจิสติกช่วยสร้างการถดถอยหลายตัวแปร
ความสัมพันธ์ระหว่างตัวแปรตามและเป็นอิสระหลาย
ตัวแปร (แอตกินสันและ Massari, 1998) ขึ้นอยู่กับข้อมูลที่ถูก
สร้างขึ้นจาก 0 และ 1 ค่าที่แสดงตัวตนและการปรากฏตัวของ
เศษ rockslides ตามลำดับ ข้อได้เปรียบของการถดถอยโลจิสติก
คือ 1) ตัวแปรที่ใช้แต่ละคนสามารถเป็นได้ทั้งต่อเนื่องหรือไม่ต่อเนื่องและ
2) ไม่จำเป็นต้องมีการแจกแจงแบบปกติ ในปัจจุบัน
สถานการณ์ตัวแปรไบนารีแสดงให้เห็นถึงการมีหรือ
กรณีที่ไม่มีเศษ rockslides ไปข้างหน้าการถดถอยโลจิสติกแบบขั้นตอน
ได้ดำเนินการที่จะรวมตัวแปรที่มี
บทบาทสำคัญในการปรากฏตัวของเศษ rockslides
สูงกว่าค่าสัมประสิทธิ์การถดถอยโลจิสติกผลกระทบที่สูงขึ้นใน
การเกิดสไลด์ที่สามารถคาดหวัง ในการวิเคราะห์การถดถอยโลจิสติกก็
เป็นที่นิยมว่าจำนวนของพิกเซลที่เป็นตัวแทนของพื้นที่ที่มี
การเกิดขึ้นและไม่ได้ควรจะเหมือนกัน (Süzenและ
Doyuran, 2004a; Ayalew และ Yamagishi, 2005).
ในพื้นที่ศึกษา 200 จุดเมื่อวันที่ โซนแตก (ไม่รวมทั้ง
การขนส่งและการทับถมของดินถล่ม) เป็นตัวแทนของเศษ
rockslides ดังนั้น 200 จุดโดยไม่ต้อง rockslides เศษถูก
สุ่มเลือกสำหรับการถดถอยโลจิสติก หน่วย Lithologic และ
ระยะทางที่จะเรียน lineaments ได้รับการรักษาเป็นตัวแปรเด็ดขาด
และความลาดชันด้านและระดับความสูงเป็นตัวแปรอย่างต่อเนื่อง ใน
การถดถอยโลจิสติกพหุการตรวจสอบเป็นสิ่งที่จำเป็นเพื่อตรวจสอบ
ความสัมพันธ์ของตัวแปรอิสระ (ฮอสเมอร์และ Lemeshow,
1989) พหุเป็นสถานการณ์ทางสถิติที่สองหรือ
ตัวแปรอื่น ๆ มีความสัมพันธ์อย่างมากซึ่งหมายความว่าหนึ่ง
สามารถคาดการณ์เป็นเส้นตรงจากคนอื่น ๆ ที่มีระดับไม่น่ารำคาญ
ของความถูกต้อง ความอดทน (TOL) และปัจจัยอัตราเงินเฟ้อที่มีความแปรปรวน
สองดัชนีสำคัญที่ถูกนำมาใช้กันอย่างแพร่หลายสำหรับพหุ
การตรวจสอบ ตาม Menard (1995) ค่า TOL น้อยกว่า 0.2 เป็น
หนึ่งในตัวบ่งชี้สำหรับพหุและพหุร้ายแรง
เกิดขึ้นระหว่างตัวแปรอิสระเมื่อค่า TOL มี
ขนาดเล็กกว่า 0.1 ปัจจัยเงินเฟ้อแปรปรวน (VIF) คำนวณโดย
1 / ความอดทน ถ้าค่า VIF เกิน 10 ก็มักถูกมองว่าเป็นแสดงให้เห็น
พหุ นอกจากนี้ความสัมพันธ์เพียร์สันยังถูก
ใช้ในการทดสอบความสัมพันธ์ระหว่างตัวแปร.
4 ผลและการอภิปราย
ทั้งหมด 35 rockslides เศษแห้งถูกระบุ (รูปที่ 1). ซึ่ง
ครอบคลุมพื้นที่ 6.36 กิโลเมตร 2
คิดเป็น 2.21% ของพื้นที่การศึกษา
ที่มีปริมาณรวมของ 23.99? 106
m3 ขั้นต่ำเฉลี่ยและ
พื้นที่ภาพนิ่งสูงสุด 0.001, 0.18 และ 0.66 ตามลำดับกิโลเมตร 2.
หมายถึงความกว้างของเขตการแตก (Wr) เป็น 301.30 เมตรและค่าเฉลี่ย
ความยาวของมวลพลัดถิ่น (Ld) 373.22 เมตร ความกว้างของ
เขตการแตก (Wr) ของแต่ละเศษ rockslides ในช่วงตั้งแต่ 28.21
ไป 1059,82 เมตรและมวลพลัดถิ่น (Ld) 21.36-1197.95 ม.
ลักษณะทางเรขาคณิตของแต่ละเศษ rockslides
สังเกตภายในพื้นที่ศึกษาจะถูกนำเสนอในตารางที่ 1 . รูป 1
แสดงให้เห็นถึงการกระจายของเศษ-rockslides.
ปริมาณของเศษ rockslides ทั้งหมดที่คำนวณได้จาก
DEM ที่มีความละเอียดในแนวนอนและแนวตั้งในระดับต่ำ (30 เมตร) ซึ่ง

ผลลัพธ์ (ไทย) 3:

3 . วัสดุและวิธีการ
สินค้าคงคลังของเศษ rockslides ในพื้นที่ศึกษาเตรียม
เพื่อระบุความสัมพันธ์กับปัจจัยเช่น
เป็นระดับความสูง , ด้าน , มุม , การศึกษาทางธรณีวิทยาของเงื่อนไขและระยะ lineaments .
เศษ rockslides ถูกระบุโดยใช้ภาพถ่ายดาวเทียมความละเอียดสูง ( จุดที่ 5 ด้วย
2.5-m มิติความละเอียด , ถ่าย ใน
สิงหาคม 2545 ถึงเดือนมกราคม พ.ศ. 2546 ) จาก Google Earth ™ซึ่งเป็นระบบพิกัดทางภูมิศาสตร์ทาง

( WGS84 ) ในระบบสารสนเทศทางภูมิศาสตร์ ( GIS ) ระบุ debrisrockslides
และพื้นที่ของพวกเขาถูกเก็บไว้ในรูปแบบเวกเตอร์ที่ผ่านระบบดิจิตอลคู่มือการใช้ระบบสารสนเทศภูมิศาสตร์
.
ความสูง ( รูปที่ 2 ) ที่ได้จากข้อมูลที่ได้รับจาก V2
ภูมิประเทศ gdem แอสเตอร์ ( NASA , 2011 )ดังนั้น การใช้แบบจำลองความสูง
( DEM ) ถูกสร้างขึ้นสำหรับภูมิภาค ใช้
เด็ม ลักษณะความลาดชัน ( รูปที่ 2 ) และความลาดชัน มุม ( รูปที่ 2 ) ได้
การศึกษาทางธรณีวิทยา ( รูปที่ 2 ) ข้อมูลที่ได้มาจากแผ่นแผนที่
แร่ ( 3169-iii barreal เบื้องต้น และ 3169-iv , San Juan ) ตีพิมพ์
โดย servicio geologico minero Argentino ( อาร์เจนตินา

เหมืองแร่บริการ ) ที่ มาตราส่วน 1 : 250 , 000 ( segemar
, 2000 )ผิดบรรทัด และ lineaments ตั้งอยู่ในพื้นที่ศึกษาได้โดยการบูรณาการที่มีอยู่
ทางธรณีวิทยาและตีความข้อมูลภาพ

พื้นที่ศึกษาและบริเวณใกล้เคียงอย่างมาก
ผลกระทบจากกิจกรรม neotectonic ของภูมิภาค ข้อมูลเหล่านี้
ขอแนะนำบทบาทของโซนความผิดในการควบคุมการกระจาย
รอยแผลเป็นดินถล่ม ( perucca และ โอโนราโต , 2011 )

เพราะฉะนั้นศึกษาความสัมพันธ์ระหว่างการ causeeeffect lineaments ภาพนิ่ง
ระยะ lineaments ( รูปที่ 2 ) คำนวณได้โดยใช้หลาย 100 M
บัฟเพิ่มระยะทาง ค่าขนาดของเศษ rockslides

วัดตามคำนิยามที่ WP / WLI ( สังคมปฐพี
ระหว่างประเทศยูเนสโก¼คณะทำงานเกี่ยวกับสินค้าคงคลังถล่มโลก )
แนะนำการเรียกชื่อแผ่นดินถล่ม ( ดัดแปลง iaeg 1990 ) .
เพื่อคำนวณปริมาณของเศษ rockslides ,
ก่อนสไลด์ภูมิประเทศต้องทำขึ้นมาใหม่ นี้ฟื้นฟู
ขึ้นอยู่กับความต่อเนื่องระหว่างปัจจุบันภูมิประเทศ
นอกบริเวณแผลเป็นและก่อนเหตุการณ์ภูมิประเทศภายในพื้นที่ภาพนิ่ง

ก่อนสไลด์ได้โดยปรับเลื่อนเด็มโพสต์
เด็มโดยการลบจุดที่สอดคล้องกันเพื่อเลื่อน และ การ ประมาณช่วง preslide
ภูมิประเทศ , การแยกเส้นของหยัน
มีโครงสร้างขึ้นอยู่กับการสังเกต geomorphic ที่
รวมการสังเกตระมัดระวังของโครงสร้าง / โครงสร้างของ
ภูเขารอบ การคำนวณปริมาณและความหนาของ
สไลด์ที่เกี่ยวข้องการวัดความแตกต่างระหว่างก่อนและ
ประกาศเลื่อนเด็ม ( S üเซนและ doyuran , 2004 ) .
ใช้ความถี่วิธีอัตราส่วนและการถดถอยโลจิสติกแบบ
( พลังจิต angillieri , 2010 ) , ความสัมพันธ์ระหว่างการแสดง
เศษ rockslides และบางตัวแปรข้อมูล อัตราส่วนความถี่
วิธีตามสังเกตความสัมพันธ์ระหว่างการกระจายของเศษ rockslides
E และแต่ละภาพนิ่งตัวแปร

,เปิดเผยความสัมพันธ์ระหว่างเศษ E rockslides สถานที่และ
ตัวแปรในพื้นที่ศึกษา ดังนั้น อัตราส่วนความถี่สามารถ
คำนวณตามสมการดังนี้

n

fr ¼นีศรี
s
ที่เป็นจำนวนของพิกเซล , n คือจำนวนพิกเซลกับ
เศษ E rockslides เหตุการณ์ ; จังหวัดเป็นจำนวนของพิกเซล I
ตัวแปรและฉันมีจำนวนของพิกเซลซึ่งเศษ rockslides
เกิดขึ้นในชั้นของตัวแปร ถ้าค่ามากกว่า 1 มัน
หมายถึงความสัมพันธ์ที่สูง และค่าน้อยกว่า 1 หมายความว่าลด

ถดถอยโลจิสติก ได้แก่ ช่วยให้เป็นถดถอยเชิง
ความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระหลาย ( คิน และ massari
, 1998 ) ข้อมูลตัวแปรคือ
สร้างขึ้นจากค่า 0 และ 1 ซึ่งแสดงการขาดและการแสดงตนของ
เศษ rockslides ตามลำดับ ข้อดีของ
ถดถอยโลจิสติกคือ 1 ) ตัวแปรแต่ละตัวใช้ได้ต่อเนื่องหรือไม่ต่อเนื่องและ
2 ) ไม่จําเป็นต้องมีการแจกแจงแบบปกติ ในสถานการณ์ปัจจุบัน
, ตัวแปรไบนารีแทนตนหรือ
ไม่มีเศษ rockslides .ไปข้างหน้า =
ถดถอยโลจิสติก พบการรวมตัวแปรด้วย
ผลงานที่สําคัญในการปรากฏตัวของเศษ rockslides .
สูงกว่าค่าสัมประสิทธิ์การถดถอยโลจิสติก สูงผลกระทบต่อ
เกิดสไลด์สามารถคาด ในการวิเคราะห์การถดถอยโลจิสติก มัน
เป็นจํานวนพิกเซลแสดงพื้นที่ที่มี
การเกิดและไม่ควรเหมือนกัน ( S üเซน
doyuran 2004a ; Mussie ยามากิชิ , และ , 2005 ) .
ในพื้นที่ศึกษา 200 จุดบนแตก โซน ( รวมทั้ง
การขนส่งและการสะสมของดินถล่ม ) , เป็นตัวแทนของเศษ
rockslides . ดังนั้น , 200 จุด โดยมีซาก rockslides
สุ่มสำหรับ logistic regression หน่วย lithologic และ
ระยะทางไป lineaments การเรียนถือว่าตัวแปรเด็ดขาด ,
และลาดด้านและยกระดับเป็นตัวแปรต่อเนื่อง ใน
logistic regression ค่าตรวจสอบ , จำเป็นต้องตรวจสอบ
ความสัมพันธ์ของตัวแปรอิสระ ( ฮอสเซอเมอร์ และ lemeshow
, 1989 ) ข้อมูลเป็นสถิติสถานการณ์ซึ่งสองตัวแปรมีความสัมพันธ์มากขึ้น

หมายความว่าหนึ่งสามารถนำคาดการณ์จากผู้อื่นด้วยไม่ใช่ trivial องศา
ของความถูกต้อง ความอดทน ( ต้อล ) และความแปรปรวนอัตราเงินเฟ้อดัชนีที่สำคัญสองส่วนคือ

ใช้กันอย่างแพร่หลายในการตรวจสอบข้อมูล . ตาม เมนาร์ด ( 1995 ) , ต้อลมีค่าน้อยกว่า 0.2 เป็นหนึ่งตัวบ่งชี้ค่า

ค่า และที่ร้ายแรงเกิดขึ้น ระหว่างตัวแปรอิสระเมื่อต้อลค่า
ขนาดเล็กกว่า 0.1 ความแปรปรวนอัตราเงินเฟ้อปัจจัย ( VIF ) คำนวณโดย
1 / ความอดทน ถ้าค่า VIF เกิน 10 ก็มักจะถือว่าเป็นลำดับ
ค่า . นอกจากนี้ ความสัมพันธ์เพียร์สันยัง
ใช้เพื่อทดสอบความสัมพันธ์ระหว่างตัวแปร .
4 ผลและการอภิปราย : 35 บริการเศษ rockslides ระบุ ( รูปที่ 1 ) ซึ่งครอบคลุมพื้นที่ของ 6.36 ตารางกิโลเมตร

, บัญชี 221% ของพื้นที่ศึกษา
กับปริมาณเมื่อ  106 M3
ขั้นต่ำและสูงสุดคือ
ภาพนิ่งพื้นที่ร้อยละ 0.18 และ 0.66 กิโลเมตรตามลำดับ
หมายถึงความกว้างของแตก โซน ( WR ) 301.30 M และหมายถึง
ความยาวของผู้พลัดถิ่นมวล ( LD ) 373.22 เมตร ความกว้างของ
แตกโซน ( WR ) ของแต่ละ rockslides ช่วงจากเศษ 28.21
เพื่อ 1059.82 M และแทนที่มวล ( LD ) จาก 2136 1197.95 M .
เรขาคณิตลักษณะของ rockslides เศษบุคคล
สังเกตภายในพื้นที่ศึกษาแสดงในตารางที่ 1 รูปที่ 1
แสดงการกระจายเชิงพื้นที่ของเศษ rockslides .
ปริมาณ rockslides debris ทั้งหมดถูกคำนวณจาก DEM ที่มีความละเอียดต่ำ
แนวนอนและแนวตั้ง ( 30 เมตร ) ซึ่ง