As major geological hazards, landsl

As major geological hazards, landslides account for a great number of human casualties and an enormous amount of property loss, and cause significant damage to natural ecosystems and human-built infrastructures (Chung et al., 1995, Dai and Lee, 2002, Lee and Choi, 2004 and Guzzetti et al., 2005). In order to mitigate losses and damages, many landslide susceptibility studies have been conducted to map the locations that are prone to landslides (e.g., Carrara, 1988, Carrara et al., 1991, Van Westen et al., 1993, Aleotti and Chowdhury, 1999, Guzzetti et al., 1999, Dai et al., 2002, Zhou et al., 2002, Brenning, 2005, Alexander, 2008, Carrara and Pike, 2008 and Xu et al., 2012).

Despite the development of various methods, most landslide susceptibility mapping studies are founded upon a single conceptual model, which assumes that landslide susceptibility is related to predisposing factors and that susceptibility can be evaluated as long as the predisposing factors and the relationships between the predisposing factors and the landslide susceptibility are known. The predisposing factors are considered to be the intrinsic nature and condition of the land, which make the area susceptible to failure but do not actually trigger a landslide, and thereby tend to leave the area in a marginally stable state (Carrara et al., 1995 and Dai et al., 2002). The common predisposing factors are geological formation (rock types, orientation and dip of strata, and faults), slope gradient, relative relief, land cover, soil physical properties and drainage patterns. Other terms that have been used for predisposing factors include “causative factors” (Varnes, 1984, Donati and Turrini, 2002 and Zhou et al., 2002), “causal factors” (Carrara et al, 1995), “intrinsic factors” (Atkinson and Massari, 1998 and Dai and Lee, 2001), “conditioning factors” (Sanchez et al., 1999 and Zêzere et al., 1999), “quasi-static factors” (Dai and Lee, 2001 and Xu et al., 2012), and “preparatory factors” (Dai et al., 2002 and Ermini et al., 2005). The function depicts the relationship between landslide susceptibility and the predisposing factors (Varnes, 1984, Carrara, 1988, Carrara et al., 1995 and Zhu et al., 2004). Most of the existing studies use multivariate statistical analysis to model the relationships based on past landslide events and predisposing factors at those sites (e.g., Dai et al., 2002, Fabbri et al., 2003, Ermini et al., 2005 and Saito et al., 2009).

The multivariate statistical models for capturing and representing the relationships between landslide susceptibility and predisposing factors suffer from two critical shortcomings. The first is that the multivariate statistical models are data driven, and the quality of training data is critical. In the training process, landslide presence is used as positive evidence and landslide absence is used as negative evidence. The quality of landslide-presence data is controlled by the quality of field observations. Typically, the quality of the presence data is acceptable even though studies have reported drastic variation in the quality of field observations (Van Westen et al., 1993 and Carrara et al., 1995). The quality of landslide absence data is of great concern because the data are made up of locations that have been free of landslides up to the time of the analysis. Having no history of landslide events does not necessarily imply that a location is not susceptible to landslides, or that landslides will not occur in the future. The set of locations currently free of landslides could contain sites that in fact are very susceptible to them but that have not yet failed, simply because there are no triggering factors. Studies have shown that data-driven models are very sensitive to training data and that a slight change of input data can lead to significant changes in the coefficients of the derived regression/discriminant/logistic models (Kirkby et al., 1987, Carrara, 1988, Atkinson and Massari, 1998, Dai and Lee, 2001 and Dai and Lee, 2002). As a result, these models often have very limited transportability, meaning that a model developed in one area often does not work well when applied in other areas.

Furthermore, data-driven approaches are extremely data hungry (Mitchell, 1997), which requires a large amount of fieldwork, even with the assistance of remotely sensed data. In landslide susceptibility mapping studies, one often needs both remote sensing data and an intensive field survey to build an accurate landslide inventory and to construct statistical models for a given study area. Intensive fieldwork is time consuming and expensive, and might even be impossible in areas with limited accessibility or for projects over large areas, due to budgetary concerns.

ผลลัพธ์ (ไทย) 1:

เป็นอันตรายที่สำคัญทางธรณีวิทยา แผ่นดินถล่มมนุษย์ผู้เสียชีวิตจำนวนมากและสูญเสียทรัพย์สินจำนวนมหาศาล และทำให้เกิดความเสียหายแก่ระบบนิเวศตามธรรมชาติและมนุษย์สร้างโครงสร้างพื้นฐาน (Chung et al. 1995, Dai และ Lee, 2002, Lee และ ชอย 2004 และ Guzzetti et al. 2005) เพื่อลดความสูญเสียและความเสียหาย หลายถล่มทลายความอ่อนแอมีได้ดำเนินการศึกษาการตั้งที่มีแนวโน้มที่แผ่นดินถล่ม (เช่น คาร์รารา 1988 คาร์รารา et al. 1991, Van Westen et al. 1993, Aleotti และเชาว์ดูรี่ 1999, Guzzetti et al. 1999 ได et al. 2002 โจว et al. 2002, Brenning, 2005 อเล็กซานเดอร์ 2008 คาร์ราราและหอก 2008 และ Xu et al , 2012)แม้ มีการพัฒนาวิธีการต่าง ๆ ศึกษาความไวต่อการแม็ปถล่มทลายส่วนใหญ่ก่อตั้งขึ้นเมื่อเดียวแนวคิดรูปแบบการให้ สันนิษฐานว่า ถล่มทลายง่ายเกี่ยวข้องกับปัจจัย predisposing และว่า ความอ่อนแอสามารถถูกประเมินเป็น predisposing ปัจจัยและความสัมพันธ์ระหว่างปัจจัย predisposing และไก่ถล่มทลายกัน ปัจจัย predisposing จะถือว่าเป็นธรรมชาติที่แท้จริงและสภาพของที่ดิน ซึ่งทำให้พื้นที่ไวต่อความล้มเหลว แต่ไม่จริงก่อให้เกิดแผ่นดินถล่ม และจึงมักจะ ตกในสถานะมั่นคงเล็กน้อย (คาร์รารา et al. 1995 และ Dai et al. 2002) Predisposing ปัจจัยทั่วไปมีก่อตัวทางธรณีวิทยา (ชนิดหิน ปฐมนิเทศ และจุ่มชั้น และข้อบกพร่อง), ไล่ระดับความลาดชัน สงเคราะห์ญาติ ครอบที่ดิน คุณสมบัติทางกายภาพของดิน และรูปแบบการระบายน้ำ คำอื่น ๆ ที่มีการใช้ปัจจัย predisposing ได้แก่ "ปัจจัยสาเหตุ" (Varnes, 1984 อย่ และ Turrini, 2002 และโจว et al. 2002), "ปัจจัยเชิงสาเหตุ" (คาร์รารา et al, 1995), "แท้จริงปัจจัย" (พลัง และ แคทเธอริน 1998 และได และ ลี 2001), "ปรับปัจจัย" (ซานเชซ et al. 1999 และ Zêzere et al. 1999), "ปัจจัยคงเสมือน" (ไดและลี 2001 และ Xu et al , 2012), และ "เตรียมปัจจัย" (Dai et al. 2002 และ Ermini et al. 2005) ฟังก์ชันการแสดงให้เห็นความสัมพันธ์ระหว่างความไวต่อแผ่นดินถล่มและปัจจัย predisposing (Varnes, 1984 คาร์รารา 1988 คาร์รารา et al. 1995 และ Zhu et al. 2004) ส่วนใหญ่ของการศึกษาที่มีอยู่ใช้การวิเคราะห์ทางสถิติตัวแปรพหุแบบความสัมพันธ์ที่อิงจากเหตุการณ์แผ่นดินถล่มที่ผ่านมาและปัจจัย predisposing ที่ไซต์เหล่านั้น (เช่น Dai et al. 2002, Fabbri et al. 2003, Ermini et al. 2005 และไซโต et al. 2009)โมเดลทางสถิติตัวแปรพหุสำหรับการจับภาพ และแสดงความสัมพันธ์ระหว่างความไวต่อแผ่นดินถล่ม และ predisposing ปัจจัยประสบจากสองข้อบกพร่องสำคัญ แรกคือ ว่า แบบจำลองทางสถิติตัวแปรพหุข้อมูลขับเคลื่อน และคุณภาพของข้อมูลการฝึกอบรมเป็นสำคัญ ในกระบวนการฝึกอบรม ปรากฏแผ่นดินถล่มจะใช้เป็นหลักฐานในเชิงบวก และใช้เป็นหลักฐานลบถล่มทลายขาด คุณภาพของข้อมูลสถานะการออนไลน์ถล่มทลายถูกควบคุม โดยการสังเกตการณ์ของฟิลด์ โดยทั่วไป คุณภาพของข้อมูลปรากฏเป็นที่ยอมรับแม้ว่าการศึกษามีรายงานความรุนแรงผันแปรในคุณภาพของสังเกตฟิลด์ (Van Westen et al. 1993 และคาร์รารา et al. 1995) คุณภาพของข้อมูลการขาดแผ่นดินถล่มมีความกังวลเนื่องจากข้อมูลที่มีตำแหน่งที่ตั้งที่ได้รับฟรีแผ่นดินถล่มจนถึงเวลาของการวิเคราะห์ ไม่มีประวัติของเหตุการณ์แผ่นดินถล่มมีไม่จำเป็นต้องหมายว่า ตำแหน่งที่ตั้งอยู่ในแผ่นดินถล่ม หรือว่า แผ่นดินถล่มจะเกิดขึ้นในอนาคต การตั้งค่าสถานที่ฟรีในขณะนี้แผ่นดินถล่มอาจประกอบด้วยสถานที่ในความเป็นจริงมีความไวต่อพวกเขามาก แต่ที่ไม่ได้ล้ม เหลว เพียง เพราะมีปัจจัยไม่เรียก ศึกษาแสดงให้เห็นว่า แบบจำลองข้อมูลซึ่งมีความสำคัญมากที่ให้ข้อมูลการฝึกอบรม และให้การเปลี่ยนแปลงเล็กน้อยของข้อมูลป้อนเข้าอาจทำให้ค่าสัมประสิทธิ์ของแบบจำลองถด ถอย/discriminant/โล จิสติกส์ได้รับ (เคอร์ et al. 1987 คาร์รารา 1988 พลังและแคทเธอริน 1998, Lee, 2001 และ Dai Dai และ Lee, 2002) เป็นผล รุ่นเหล่านี้มักจะมี จำกัดพา ซึ่งหมายความ ว่า รูปแบบพัฒนาในพื้นที่หนึ่งมักจะทำงานได้ดีเมื่อใช้ในพื้นที่อื่น ๆนอกจากนี้ แนวทางขับเคลื่อนข้อมูลมีมากข้อมูลหิว (มิทเชลล์ 1997), ซึ่งต้องมีจำนวนมากของงานภาคสนาม แม้จะ มีความรู้สึกระยะไกลข้อมูลช่วยเหลือ ในการศึกษาแผ่นดินถล่มไก่แม็ป หนึ่งมักต้องข้อมูลตรวจวัดระยะไกลและการสำรวจแบบเร่งรัดฟิลด์ เพื่อสร้างสินค้าคงคลังถูกถล่มทลาย และสร้างโมเดลทางสถิติสำหรับบริเวณที่ต้องการศึกษากำหนด เร่งรัดงานภาคสนามเป็นเวลานาน และมีราคาแพง และอาจจะเป็นไปไม่ได้ในพื้นที่จำกัดการเข้าถึง หรือ สำหรับโครงการบนพื้นที่ขนาดใหญ่ เนื่องจากความกังวลเกี่ยวกับงบประมาณ

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็นอันตรายทางธรณีวิทยาที่สำคัญถล่มบัญชีสำหรับจำนวนมากของการบาดเจ็บล้มตายของมนุษย์และจำนวนมหาศาลของการสูญเสียทรัพย์สินและทำให้เกิดความเสียหายอย่างมีนัยสำคัญต่อระบบนิเวศธรรมชาติและโครงสร้างพื้นฐานที่มนุษย์สร้างขึ้น (Chung et al., 1995 Dai และลี, ปี 2002 ลีและ ชอยปี 2004 และ Guzzetti et al., 2005) เพื่อลดการสูญเสียและความเสียหายจากการศึกษาความไวต่อหลายอย่างถล่มทลายได้รับการดำเนินการไปยังแผนที่สถานที่ตั้งที่มีแนวโน้มที่จะถล่ม (เช่น Carrara 1988 Carrara et al., 1991 Van Westen et al., 1993 Aleotti และก่อสร้าง, ปี 1999 Guzzetti et al., 1999 Dai et al., 2002 โจว et al., 2002 Brenning 2005, Alexander, 2008 Carrara และหอก 2008 และ Xu et al., 2012).

แม้จะมีการพัฒนาต่างๆ วิธีการศึกษาส่วนใหญ่ทำแผนที่ถล่มอ่อนแอก่อตั้งขึ้นเมื่อรูปแบบความคิดเดียวซึ่งสันนิษฐานว่าดินถล่มอ่อนแอจะเกี่ยวข้องกับปัจจัย predisposing และความไวที่สามารถประเมินได้ตราบใดที่ปัจจัย predisposing และความสัมพันธ์ระหว่างปัจจัย predisposing และความไวต่อดินถล่มเป็นที่รู้จักกัน . ปัจจัย predisposing จะถือว่าเป็นธรรมชาติที่แท้จริงและสภาพของที่ดินซึ่งทำให้พื้นที่ไวต่อความล้มเหลว แต่ไม่จริงเรียกถล่มและจึงมีแนวโน้มที่จะออกจากพื้นที่ในรัฐที่มีเสถียรภาพเล็กน้อย (Carrara, et al., 1995 และได et al., 2002) ปัจจัย predisposing ทั่วไปธรณีวิทยา (ประเภทหินปฐมนิเทศและกรมทรัพย์สินทางปัญญาของชั้นและความผิดพลาด) ลาดลาดญาติบรรเทาปกคลุมดินคุณสมบัติทางกายภาพของดินและรูปแบบการระบายน้ำ เงื่อนไขอื่น ๆ ที่มีการใช้ปัจจัย predisposing รวมถึง "ปัจจัยที่ก่อให้เกิด" (Varnes, 1984 Donati และ Turrini, 2002 และโจว, et al., 2002), "ปัจจัยที่เป็นสาเหตุ" (Carrara et al, 1995), "ปัจจัยภายใน" ( แอตกินสันและ Massari, ปี 1998 และ Dai และลี, 2001), "ปัจจัย" (ซานเชซ, et al., 1999 และZêzere et al., 1999), "ปัจจัยกึ่งคงที่" (Dai และลี, ปี 2001 และ Xu et al, , 2012) และ "ปัจจัยเตรียมอุดมศึกษา" (Dai et al., 2002 และ Ermini et al., 2005) ฟังก์ชั่นแสดงให้เห็นถึงความสัมพันธ์ระหว่างความไวต่อการเกิดดินถล่มและปัจจัย predisposing ที่ (Varnes, 1984 Carrara 1988 Carrara et al., 1995 และจู้ et al., 2004) ส่วนใหญ่ของการศึกษาที่มีอยู่ใช้การวิเคราะห์ทางสถิติหลายตัวแปรในการจำลองความสัมพันธ์ขึ้นอยู่กับเหตุการณ์ดินถล่มที่ผ่านมาและปัจจัย predisposing ที่เว็บไซต์เหล่านั้น (เช่นได et al., 2002 Fabbri et al., 2003 Ermini et al., ปี 2005 และ Saito et al., 2009).

รูปแบบทางสถิติหลายตัวแปรสำหรับการจับและเป็นตัวแทนความสัมพันธ์ระหว่างดินถล่มอ่อนแอและปัจจัย predisposing ต้องทนทุกข์ทรมานจากสองข้อบกพร่องที่สำคัญ ที่แรกก็คือว่าแบบจำลองทางสถิติหลายตัวแปรจะมีข้อมูลของการขับเคลื่อนและคุณภาพของข้อมูลการฝึกอบรมเป็นสิ่งสำคัญ ในขั้นตอนการฝึกอบรมการปรากฏถล่มถูกนำมาใช้เป็นหลักฐานในเชิงบวกและการขาดถล่มถูกนำมาใช้เป็นหลักฐานในเชิงลบ คุณภาพของข้อมูลที่ถล่มแสดงตนจะถูกควบคุมโดยการสังเกตคุณภาพของสนาม โดยปกติแล้วคุณภาพของข้อมูลการแสดงตนเป็นที่ยอมรับแม้ว่าการศึกษาได้มีการรายงานการเปลี่ยนแปลงที่รุนแรงในคุณภาพของการสังเกตภาคสนาม (Van Westen, et al., 1993 และ Carrara et al., 1995) คุณภาพของข้อมูลที่ถล่มขาดเป็นกังวลมากเนื่องจากข้อมูลที่ถูกสร้างขึ้นจากสถานที่ที่ได้รับอิสระจากแผ่นดินถล่มถึงเวลาของการวิเคราะห์ มีประวัติของเหตุการณ์ดินถล่มไม่มีไม่จำเป็นต้องหมายความว่าสถานที่ไม่ได้เป็นความเสี่ยงที่จะถล่มหรือดินถล่มจะไม่เกิดขึ้นในอนาคต ชุดของสถานที่ในปัจจุบันเป็นอิสระจากดินถล่มอาจมีเว็บไซต์ที่ในความเป็นจริงมีความอ่อนไหวมากกับพวกเขา แต่ที่ยังไม่ได้ล้มเหลวเพียงเพราะไม่มีปัจจัยวิกฤติ มีการศึกษาแสดงให้เห็นว่ารุ่นที่ขับเคลื่อนด้วยข้อมูลมีความสำคัญมากกับข้อมูลการฝึกอบรมและการเปลี่ยนแปลงเล็กน้อยของข้อมูลเข้าสามารถนำไปสู่การเปลี่ยนแปลงอย่างมีนัยสำคัญในค่าสัมประสิทธิ์ของมาถดถอย / จำแนก / โมเดลโลจิสติก (Kirkby et al., 1987 Carrara 1988 แอตกินสันและ Massari 1998 Dai และลี, ปี 2001 และ Dai และลี, 2002) เป็นผลให้รูปแบบเหล่านี้มักจะมี จำกัด มากพาหมายความว่ารูปแบบการพัฒนาในพื้นที่หนึ่งมักจะไม่ทำงานได้ดีเมื่อนำไปใช้ในพื้นที่อื่น ๆ .

นอกจากนี้วิธีการที่ขับเคลื่อนด้วยข้อมูลที่มีข้อมูลหิว (มิทเชลล์ 1997) ซึ่งจะต้องมีมาก จำนวนมากของภาคสนามแม้ด้วยความช่วยเหลือของข้อมูลรู้สึกระยะไกล ในการศึกษาการทำแผนที่ถล่มอ่อนแอหนึ่งมักจะต้องทั้งข้อมูลการสำรวจข้อมูลระยะไกลและการสำรวจภาคสนามอย่างเข้มข้นในการสร้างสินค้าคงคลังถล่มที่ถูกต้องและการสร้างแบบจำลองทางสถิติสำหรับการศึกษาพื้นที่ที่กำหนด ภาคสนามเร่งรัดจะใช้เวลานานและมีราคาแพงและยังอาจเป็นไปไม่ได้ในพื้นที่ที่มีการเข้าถึง จำกัด หรือสำหรับโครงการมากกว่าพื้นที่ขนาดใหญ่เนื่องจากความกังวลเกี่ยวกับงบประมาณ

ผลลัพธ์ (ไทย) 3:

อันตรายทางธรณีวิทยาเป็นหลัก , แผ่นดินถล่มบัญชีสำหรับจำนวนที่ดีของมนุษย์ได้รับบาดเจ็บ และสูญเสียทรัพย์สินมหาศาล และก่อให้เกิดความเสียหายต่อระบบนิเวศธรรมชาติและมนุษย์สร้างขึ้น ระบบชอง et al . , 1995 , ได และลี ลี และ ชอย , 2002 , 2004 และ guzzetti et al . , 2005 ) เพื่อลดความสูญเสียและความเสียหาย การศึกษาพฤติกรรมดินถล่มจำนวนมากได้รับการดำเนินการเพื่อแผนที่สถานที่ที่เสี่ยงดินถล่ม ( เช่น Carrara , 1988 , Carrara et al . , 1991 แวนตะวันตก et al . , 1993 และ aleotti Chowdhury , 1999 , guzzetti et al . , 1999 , ได et al . , 2002 , โจว et al . , 2002 brenning , 2005 , Alexander , 2008 , Carrara และหอก , 2008 และ Xu et al . , 2012 )แม้จะมีการพัฒนาวิธีการต่างๆของการศึกษาแผนที่เกิดดินถล่มส่วนใหญ่ก่อตั้งตามแนวคิดแบบเดียว ซึ่งสันนิษฐานว่า เกี่ยวข้องกับปัจจัยเสี่ยงต่อการเกิดดินถล่มและเกิดสามารถประเมินได้ตราบเท่าที่มีความสัมพันธ์และความสัมพันธ์ระหว่างปัจจัยนำ และเกิดดินถล่ม เป็นที่รู้จักกัน ปัจจัยเอื้อ ถือเป็นธรรมชาติที่แท้จริงและสภาพของที่ดิน ซึ่งทำให้พื้นที่เสี่ยงต่อความล้มเหลว แต่ไม่ได้จริง ๆ เกิดแผ่นดินถล่ม และจึงมีแนวโน้มที่จะออกจากพื้นที่ในรัฐเล็กน้อยคงที่ ( Carrara et al . , 1995 และได et al . , 2002 ) ร่วมกันปัจจัยที่มีการก่อตัวทางธรณีวิทยา ( ประเภท , ปฐมนิเทศและกายของชั้น และรอยเลื่อนที่หิน ) ลาดเนิน โล่ง ครอบคลุมที่ดินญาติสมบัติทางกายภาพของดิน และรูปแบบการระบายน้ำ เงื่อนไขอื่น ๆ ที่ได้ใช้ปัจจัยเอื้อได้แก่ " ปัจจัยที่เป็นสาเหตุ " ( บาร์นส์ 1984 , โดนาติ , และ แพบโบล เทอรีนี่ ปี พ.ศ. 2545 และโจว et al . , 2002 ) , " ปัจจัยเชิงสาเหตุที่ " ( Carrara et al , 1995 ) , " ปัจจัยที่แท้จริง " ( คิน massari และ 2541 และได และ ลี ปี 2001 ) " ปัจจัยเงื่อนไข " ( ซานเชส et al . , 1999 และ Z ê zere et al . , 1999 ) quasi-static " ปัจจัย " ( ได และ ลี ปี 2001 และ Xu et al . , 2012 ) , และ " ปัจจัยเบื้องต้น " ( ได et al . , 2002 และ ermini et al . , 2005 ) ฟังก์ชั่นแสดงให้เห็นความสัมพันธ์ระหว่างการเกิดดินถล่มและปัจจัยนำ ( Carrara บาร์นส์ , 1984 , 1988 , Carrara , et al . , 1995 และ Zhu et al . , 2004 ) ที่สุดของการศึกษาที่มีอยู่ ใช้สถิติวิเคราะห์แบบหลายตัวแปรความสัมพันธ์บนพื้นฐานของเหตุการณ์ดินถล่มที่ผ่านมาและปัจจัยเอื้อที่เว็บไซต์เหล่านั้น ( เช่น ได et al . , 2002 Fabbri et al . , 2003 , ermini et al . , 2005 และไซโตะ et al . , 2009 )มีตัวแปรหลายตัวแบบเชิงสถิติเพื่อรวบรวมและแสดงความสัมพันธ์ระหว่างเกิดดินถล่มและปัจจัยสองอย่างที่ประสบจากข้อบกพร่อง แรกคือว่า สถิติหลายตัวแปรแบบมีข้อมูลขับเคลื่อนและคุณภาพของข้อมูลการฝึกอบรมเป็นสิ่งสำคัญ ในกระบวนการฝึกอบรม มีดินถล่ม จะใช้เป็นหลักฐานทางบวกและดินถล่ม การใช้หลักฐานเชิงลบ คุณภาพของดินถล่ม การแสดงข้อมูลจะถูกควบคุมโดยคุณภาพของภาคสนาม การสังเกต โดยปกติคุณภาพของข้อมูลการแสดงตนเป็นที่ยอมรับแม้ว่าการศึกษาได้รายงานการเปลี่ยนแปลงที่รุนแรงในคุณภาพของข้อมูลสังเกต ( แวนตะวันตก et al . , 1993 และ Carrara et al . , 1995 ) คุณภาพของดินถล่ม การขาดข้อมูลมีความกังวลมาก เพราะข้อมูลที่ถูกสร้างขึ้นในสถานที่ที่ได้รับฟรีของแผ่นดินถล่ม ถึงเวลาของการวิเคราะห์ ไม่มีประวัติของเหตุการณ์ดินถล่ม ไม่จําเป็นต้องหมายความว่าสถานที่ไม่เสี่ยงต่อดินถล่ม หรือดินถล่ม จะไม่เกิดขึ้นอีกในอนาคต การตั้งค่าสถานที่ในขณะนี้ฟรีของแผ่นดินถล่มอาจประกอบด้วยเว็บไซต์ที่ในความเป็นจริงมีความไวต่อพวกเขา แต่ที่ยังไม่ล้ม เพียงเพราะมีไม่เรียกปัจจัย มีการศึกษาแสดงให้เห็นว่ารูปแบบ - มีความไวต่อข้อมูลการฝึกอบรมและการเปลี่ยนแปลงเล็กน้อยของข้อมูลสามารถนำไปสู่การเปลี่ยนแปลงที่สำคัญในวิธีของการถดถอยโลจิสติกแบบจำแนกได้ / / ( Kirkby et al . , 1987 , Carrara , 1988 , และคิน massari , 1998 , ได และ ลี ปี 2001 และ ได กับ ลี , 2002 ) ผลคือ โมเดลเหล่านี้มักจะมี จำกัด มาก transportability ความหมายว่า รูปแบบการพัฒนาในพื้นที่หนึ่งที่มักจะไม่ทำงานได้ดีเมื่อใช้ในพื้นที่อื่น ๆนอกจากนี้ - วิธีมากข้อมูลหิว ( Mitchell , 1997 ) ซึ่งต้องใช้เป็นจำนวนมากของงานภาคสนาม แม้ด้วยความช่วยเหลือของข้อมูลจากระยะไกล . ในการศึกษาแผนที่ดินถล่มกลุ่มหนึ่งมักจะ ต้องการ ทั้งข้อมูลระยะไกลและสาขาเร่งรัดการสำรวจเพื่อสร้างสินค้าคงคลังอย่างถูกต้องและเพื่อสร้างโมเดลทางสถิติเพื่อให้พื้นที่ศึกษา งานภาคสนามอย่างเข้มข้นเป็นเวลานานและมีราคาแพงและอาจเป็นไปไม่ได้ในพื้นที่ที่มี จำกัด การเข้าถึง หรือโครงการมากกว่าพื้นที่ขนาดใหญ่ เนื่องจากความกังวลงบประมาณ .