Clearly, the quality of knowledge o

Clearly, the quality of knowledge on relationships between landslide susceptibility and predisposing factors from local experts is the key to the success of this knowledge-based approach. As described above, two types of knowledge were needed: (1) the list of predisposing factors that are important to assess landslide susceptibility, and (2) the relationships between the susceptibility and these predisposing factors. The latter, in turn, consists of (2a) the form of the individual relationships, and (2b) the critical values of the predisposing factors at which susceptibility is at its highest, and the critical values at which susceptibility is minimal. The provision of information (knowledge) on (1) is not a challenging task for most competent hillslope geomorphologists or geotechnical engineers, let alone for researchers who specialize in landslides, because this is basic knowledge in landslide research. Sub-type (2a) should not pose much of a challenge for an experienced landslide researcher because the approach described in this paper does not require the local expert to specify the mathematical forms of the relationships. Rather, the forms (in terms of three basic membership functions) are derived from the basic understanding of how these factors are related to landslide susceptibility as shown in Table 1. We expect that this level of understanding is not a challenge for someone with a few years of field-research experience in landslides.

Sub-type (2b) could be considered a challenge if the local expert was asked to provide the susceptibility value for every environmental value of a given variable. In this study, we adopted an approach based on personal construct theory (Zhu, 1999). This approach uses the concept of bipolar distinction, which is believed to be the key element in human learning (Kelly, 1955 and Kelly, 1970). The approach allows the expert to focus on the values for environmental conditions when the susceptibility is at its highest and the values for the environmental conditions when the susceptibility reaches 0. This makes knowledge acquisition from the local expert manageable.

We tested only this approach, using the knowledge from a single expert as an illustration of the idea for using expert knowledge in landslide-susceptibility mapping. It is possible to use the knowledge from multiple experts with this approach, but the issue of how to integrate knowledge from different experts under the fuzzy logic framework, particularly how to resolve the difference in knowledge among different experts, needs to be resolved. Knowledge integration has long been of interest in the Artificial Intelligence (AI) community, and many different frameworks to integrate knowledge have been proposed. Examination of these frameworks for landslide susceptibility using this expert-knowledge approach should be the subject of a separate study.

The portability of a model or an approach is important not only in terms of its usefulness over a wider area, but also in terms of how well we understand the processes the model or approach captured. The results of our case studies suggest that this knowledge-based approach holds up well when it is transferred without changes to an area that is about 19 times larger and much more complicated than the area in which the knowledge base was developed. How this method compares to data-driven approaches, which are widely applied in landslide-susceptibility mapping, in terms of portability is of great interest, but such a comparison is beyond the scope of this paper and merits a detailed study in its own right.

The expert knowledge approach in this study does not use past landslides to develop the knowledge base. It is essentially different from the statistical methods in that the expert knowledge approach does not use data of landslide occurrence and absence to extract the relationships between landslide susceptibility and predisposing factors. It does not have the false negatives during its model development as the statistical methods and some of the data mining methods do.

ผลลัพธ์ (ไทย) 1:

อย่างชัดเจน คุณภาพของความรู้เกี่ยวกับความสัมพันธ์ระหว่างความไวต่อแผ่นดินถล่มและ predisposing ปัจจัยจากผู้เชี่ยวชาญเป็นหัวใจของความสำเร็จของวิธีการนี้อาศัยความรู้ อธิบายข้างต้น ความรู้สองประเภทจำเป็น: (1) รายการ predisposing ปัจจัยที่สำคัญในการประเมินความไวต่อแผ่นดินถล่ม และ (2) ความสัมพันธ์ระหว่างปัจจัยเหล่านี้ predisposing ไก่ หลัง กลับ ประกอบด้วย (2a) รูปแบบของความสัมพันธ์แต่ละ และ (2b) ค่าสำคัญที่สุดไวต่อปัจจัย predisposing และค่าวิกฤตที่ภูมิไวรับน้อยที่สุด การจัดหาข้อมูล (ความรู้) (1) ไม่ได้เป็นงานที่ท้าทาย สำหรับ geomorphologists hillslope มีอำนาจมากที่สุดหรือวิศวกรธรณี คน เดียวใน สำหรับนักวิจัยที่เชี่ยวชาญในแผ่นดินถล่ม เนื่องจากเป็นความรู้พื้นฐานในการวิจัยดินไหล ชนิดย่อย (2a) ควรก่อให้เกิดมากของความท้าทายสำหรับนักวิจัยที่มีประสบการณ์แผ่นดินถล่มเนื่องจากวิธีการอธิบายไว้ในบทความนี้ต้องการผู้เชี่ยวชาญท้องถิ่นเพื่อระบุรูปแบบของความสัมพันธ์ทางคณิตศาสตร์ ค่อนข้าง แบบฟอร์ม (ในแง่ของฟังก์ชันสมาชิกพื้นฐานสาม) จะได้มาจากพื้นฐานความเข้าใจปัจจัยเหล่านี้เกี่ยวข้องกับความไวต่อแผ่นดินถล่มดังแสดงในตารางที่ 1 เราคาดหวังว่า ระดับของความเข้าใจนี้ไม่ท้าทายสำหรับคนที่มีกี่ปีวิจัยแผ่นดินถล่มชนิดย่อย (2b) อาจถือว่าเป็นความท้าทายถ้าขอผู้เชี่ยวชาญท้องถิ่นเพื่อให้ค่าความไวต่อค่าทุกสิ่งแวดล้อมของตัวแปรที่กำหนด ในการศึกษานี้ เรานำวิธีการอิงทฤษฎีส่วนตัวสร้าง (Zhu, 1999) วิธีการนี้ใช้แนวคิดของความแตกต่างสองขั้ว ซึ่งเชื่อว่าเป็นองค์ประกอบสำคัญในการเรียนรู้มนุษย์ (เคลลี่ 1955 และเคลลี่ 1970) วิธีการช่วยให้ผู้เชี่ยวชาญเพื่อเน้นค่าสำหรับสภาพแวดล้อมเมื่อไก่ทำงานสูงสุดและค่าสำหรับสภาพแวดล้อมเมื่อไก่ถึง 0 ทำให้ซื้อความรู้จากผู้เชี่ยวชาญท้องถิ่นสามารถจัดการเราทดสอบเท่านั้นวิธีการนี้ ใช้ความรู้จากผู้เชี่ยวชาญด้านเดียวเป็นภาพประกอบของความคิดโดยใช้ความเชี่ยวชาญในการแม็ปไวต่อแผ่นดินถล่ม เป็นการใช้ความรู้จากผู้เชี่ยวชาญหลาย ด้วยวิธีการนี้ แต่ปัญหาของวิธีการบูรณาการความรู้จากผู้เชี่ยวชาญที่แตกต่างกันภายใต้กรอบตรรกศาสตร์ โดยเฉพาะอย่างยิ่งวิธีการแก้ไขความแตกต่างในความรู้ของผู้เชี่ยวชาญที่แตกต่างกัน ต้องสามารถแก้ไข รวมความรู้ได้น่าสนใจในชุมชนปัญญาประดิษฐ์ (AI) และกรอบแตกต่างกันมากมายเพื่อบูรณาการความรู้ที่ได้รับการเสนอ การตรวจเหล่านี้กรอบสำหรับไวต่อแผ่นดินถล่มโดยใช้วิธีการนี้ผู้เชี่ยวชาญความรู้ควรเป็นเรื่องของการศึกษาที่แยกต่างหากความคล่องตัวของรูปแบบหรือวิธีการเป็นสิ่งสำคัญไม่เพียงแต่ในแง่ ของประโยชน์ของมัน บนพื้นที่กว้าง แต่ในแง่ ของวิธีการที่ดีเราเข้าใจกระบวนการรูปแบบหรือวิธีจับ ผลจากการศึกษากรณีของเราแนะนำว่า วิธีการนี้อาศัยความรู้ถือดีเมื่อมีการโอนย้าย โดยไม่มีการเปลี่ยนแปลงไปยังพื้นที่ที่ใหญ่กว่าประมาณ 19 เท่า และซับซ้อนมากกว่าพื้นที่ที่มีพัฒนาฐานความรู้ของ วิธีวิธีนี้เปรียบเทียบกับข้อมูลซึ่งวิธีการ ซึ่งมีแพร่หลาย ใช้ถล่มทลายง่าย แมป ในแง่ของการพกพาน่าสนใจ แต่การเปรียบเทียบเกินขอบเขตของกระดาษ และบุญการศึกษารายละเอียดในสิทธิของตนเองวิธีการความเชี่ยวชาญในการศึกษานี้ไม่ได้ใช้แผ่นดินถล่มที่ผ่านมาเพื่อพัฒนาฐานความรู้ของ มันเป็นหลักแตกต่างจากวิธีการทางสถิติในที่รู้วิธีใช้ข้อมูลการเกิดแผ่นดินถล่มและการขาดการแยกความสัมพันธ์ระหว่างความไวต่อแผ่นดินถล่มและปัจจัย predisposing ไม่มีการลวงในระหว่างการพัฒนารูปแบบเป็นวิธีการทางสถิติ และวิธีการทำเหมืองข้อมูลบางอย่างทำ

ผลลัพธ์ (ไทย) 2:

เห็นได้ชัดว่าคุณภาพของความรู้เกี่ยวกับความสัมพันธ์ระหว่างความไวต่อการเกิดดินถล่มและปัจจัย predisposing จากผู้เชี่ยวชาญในท้องถิ่นเป็นกุญแจสำคัญสู่ความสำเร็จของวิธีการความรู้ตามนี้ ตามที่อธิบายไว้ข้างต้นทั้งสองประเภทของความรู้ที่ถูกต้อง (1) รายการของปัจจัยที่มีความสำคัญในการประเมินความอ่อนแอถล่ม predisposing และ (2) ความสัมพันธ์ระหว่างโรคและปัจจัย predisposing เหล่านี้ หลังหันประกอบด้วย (2A) รูปแบบของความสัมพันธ์ของแต่ละบุคคลและ (2B) ค่าที่สำคัญของปัจจัย predisposing ที่อ่อนแอเป็นที่สูงสุดและค่าที่สำคัญที่อ่อนแอมีน้อย การให้ข้อมูล (ความรู้) บน (1) ไม่ได้เป็นงานที่ท้าทายสำหรับ geomorphologists ไหล่เขาที่มีอำนาจมากที่สุดหรือวิศวกรปฐพีให้อยู่คนเดียวสำหรับนักวิจัยที่มีความเชี่ยวชาญในดินถล่มเพราะนี้เป็นความรู้พื้นฐานในการวิจัยอย่างถล่มทลาย Sub-Type (2A) ไม่ควรก่อให้เกิดมากของความท้าทายสำหรับนักวิจัยที่มีประสบการณ์อย่างถล่มทลายเพราะวิธีการที่อธิบายไว้ในบทความนี้ไม่จำเป็นต้องมีผู้เชี่ยวชาญในท้องถิ่นเพื่อระบุรูปแบบทางคณิตศาสตร์ของความสัมพันธ์ แต่รูปแบบ (ในแง่ของฟังก์ชั่นสามสมาชิกขั้นพื้นฐาน) จะได้มาจากความเข้าใจพื้นฐานของวิธีการที่ปัจจัยเหล่านี้จะเกี่ยวข้องกับการถล่มอ่อนแอดังแสดงในตารางที่ 1 เราคาดหวังว่าระดับของความเข้าใจนี้ไม่ได้เป็นความท้าทายสำหรับคนที่มีไม่กี่ ปีของประสบการณ์ภาคสนามการวิจัยในการถล่ม.

Sub-Type (2B) อาจจะถือว่าเป็นความท้าทายถ้าผู้เชี่ยวชาญท้องถิ่นก็ถามว่าจะให้ค่าความไวสำหรับทุกค่าของตัวแปรด้านสิ่งแวดล้อมที่กำหนด ในการศึกษาครั้งนี้เรานำมาใช้วิธีการตามทฤษฎีการสร้างบุคคล (Zhu, 1999) วิธีการนี้ใช้แนวคิดของความแตกต่างขั้วซึ่งเชื่อว่าจะเป็นองค์ประกอบสำคัญในการเรียนรู้ของมนุษย์ (เคลลี่ 1955 และเคลลี่ 1970) วิธีการที่จะช่วยให้ผู้เชี่ยวชาญด้านการให้ความสำคัญกับค่าสำหรับสภาพแวดล้อมที่อ่อนแอเมื่อเป็นที่สูงสุดและค่าสำหรับสภาพแวดล้อมที่อ่อนแอเมื่อถึง 0 การเข้าซื้อกิจการนี้จะทำให้ความรู้จากผู้เชี่ยวชาญในท้องถิ่นสามารถจัดการได้.

เราได้ทดสอบเพียงวิธีนี้ใช้ ความรู้จากผู้เชี่ยวชาญด้านเดียวเป็นตัวอย่างของความคิดสำหรับการใช้ความรู้ความเชี่ยวชาญในการทำแผนที่ถล่ม-อ่อนแอ มันเป็นไปได้ที่จะใช้ความรู้จากผู้เชี่ยวชาญหลายด้วยวิธีนี้ แต่ปัญหาของวิธีการที่จะบูรณาการความรู้จากผู้เชี่ยวชาญที่แตกต่างกันภายใต้กรอบตรรกศาสตร์โดยเฉพาะอย่างยิ่งวิธีการแก้ไขความแตกต่างในความรู้ในหมู่ผู้เชี่ยวชาญที่แตกต่างกันจะต้องมีการแก้ไข บูรณาการความรู้มีมานานแล้วที่น่าสนใจในปัญญาประดิษฐ์ (AI) ชุมชนและกรอบที่แตกต่างกันเพื่อบูรณาการความรู้ที่ได้รับการเสนอ การตรวจสอบของกรอบเหล่านี้สำหรับการถล่มอ่อนแอโดยใช้วิธีนี้ผู้เชี่ยวชาญความรู้ควรจะเป็นเรื่องของการศึกษาที่แยกต่างหาก.

พกพาของรูปแบบหรือวิธีการที่เป็นสิ่งสำคัญไม่เพียง แต่ในแง่ของประโยชน์ของตนเหนือพื้นที่ที่กว้างขึ้น แต่ยังอยู่ในแง่ของวิธีการ ดีที่เราเข้าใจกระบวนการรูปแบบหรือวิธีการจับ ผลที่ได้จากกรณีศึกษาของเราแสดงให้เห็นว่าวิธีนี้เป็นความรู้ตามถือได้ดีเมื่อมีการโอนโดยไม่มีการเปลี่ยนแปลงไปยังพื้นที่ที่มีประมาณ 19 ครั้งมีขนาดใหญ่มากและซับซ้อนมากขึ้นกว่าในพื้นที่ที่ฐานความรู้ที่ได้รับการพัฒนา วิธีวิธีนี้จะเปรียบเทียบกับวิธีการที่ขับเคลื่อนด้วยข้อมูลที่ถูกนำมาใช้กันอย่างแพร่หลายในการทำแผนที่ถล่ม-อ่อนแอในแง่ของการพกพาเป็นที่น่าสนใจมาก แต่เช่นการเปรียบเทียบอยู่นอกเหนือขอบเขตของบทความนี้และประโยชน์การศึกษารายละเอียดในตัวของมันเอง

วิธีการความรู้จากผู้เชี่ยวชาญในการศึกษานี้ไม่ได้ใช้ดินถล่มที่ผ่านมาในการพัฒนาฐานความรู้ มันเป็นหลักแตกต่างจากวิธีการทางสถิติในการที่วิธีการความรู้จากผู้เชี่ยวชาญไม่ได้ใช้ข้อมูลของการเกิดดินถล่มและการขาดการสกัดความสัมพันธ์ระหว่างความไวต่อการเกิดดินถล่มและปัจจัย predisposing มันไม่ได้มีเชิงลบเท็จในระหว่างการพัฒนารูปแบบของการเป็นวิธีการทางสถิติและบางส่วนของวิธีการทำเหมืองข้อมูลทำ

ผลลัพธ์ (ไทย) 3:

เห็นได้ชัดว่าคุณภาพของความรู้เกี่ยวกับความสัมพันธ์ระหว่างพฤติกรรมดินถล่มและปัจจัยจากผู้เชี่ยวชาญท้องถิ่นคือกุญแจสู่ความสำเร็จของวิธีการที่ใช้นี้ ตามที่อธิบายไว้ข้างต้น , สองประเภทของความรู้ที่ถูกต้อง ( 1 ) รายการปัจจัยเอื้อที่สำคัญเพื่อประเมินพฤติกรรมดินถล่ม และ ( 2 ) ความสัมพันธ์ระหว่าง พฤติกรรม และปัจจัย . หลัง จะประกอบด้วย ( 2A ) รูปแบบของความสัมพันธ์ของบุคคล และ ( 2B ) ค่าวิกฤตของปัจจัยที่เสี่ยงต่อการเป็นที่สูงสุด และค่าวิกฤตที่เกิดน้อยที่สุด การจัดข้อมูล ( ความรู้ ) บน ( 1 ) ไม่ใช่งานที่ท้าทายสำหรับ geomorphologists hillslope เชี่ยวชาญมากที่สุดหรือวิศวกรธรณีเทคนิค , นับประสานักวิจัยที่เชี่ยวชาญในแผ่นดินถล่มเพราะนี่คือความรู้พื้นฐานในการวิจัย ดินถล่ม . ประเภทย่อย ( 2A ) ไม่ควรโพสมากของความท้าทายสำหรับนักวิจัยจากประสบการณ์เพราะวิธีการที่อธิบายไว้ในบทความนี้ไม่ต้องใช้ผู้เชี่ยวชาญท้องถิ่น เพื่อกำหนดรูปแบบทางคณิตศาสตร์ของความสัมพันธ์ แต่รูปแบบ ( ในแง่ของทั้งสามฟังก์ชั่นพื้นฐานเป็นสมาชิก ) จะได้มาจากความเข้าใจพื้นฐานของวิธีการที่ปัจจัยเหล่านี้เกี่ยวข้องกับแผ่นดินถล่มครั้ง ดังแสดงในตารางที่ 1 เราคาดหวังว่า ระดับของความเข้าใจนี้ไม่ได้เป็นความท้าทาย สำหรับคนที่ไม่กี่ปีของประสบการณ์ในการวิจัยด้านแผ่นดินถล่มประเภทย่อย ( 2B ) อาจจะถือว่าเป็น ความท้าทาย หากผู้เชี่ยวชาญท้องถิ่นถูกถามเพื่อให้มีค่าความไว สำหรับทุกค่าของสิ่งแวดล้อมให้ตัวแปร ในการศึกษาครั้งนี้ได้ใช้วิธีการขึ้นอยู่กับส่วนบุคคลสร้างทฤษฎี ( Zhu , 1999 ) วิธีการนี้ใช้แนวคิดสองขั้วแตกต่าง ซึ่งถือเป็นองค์ประกอบสำคัญในการเรียนรู้ของมนุษย์ ( เคลลี่ , 1955 และเคลลี่ , 1970 ) วิธีการที่ช่วยให้ผู้เชี่ยวชาญด้านการมุ่งเน้นคุณค่าสำหรับสภาพแวดล้อม เมื่อครั้งอยู่สูงสุด และค่าสภาพสิ่งแวดล้อมเมื่อเกิดถึง 0 นี้จะทำให้การแสวงหาความรู้จากท้องถิ่นผู้เชี่ยวชาญจัดการเราทดสอบเพียง แต่วิธีการนี้ใช้ความรู้จากผู้เชี่ยวชาญด้านเดียวเป็นภาพประกอบของความคิดสำหรับการใช้ความรู้ความเชี่ยวชาญในการทำแผนที่เกิดแผ่นดินถล่ม . มันเป็นไปได้ที่จะใช้ความรู้จากผู้เชี่ยวชาญหลาย ด้วยวิธีการนี้ แต่ปัญหาของวิธีการบูรณาการความรู้จากผู้เชี่ยวชาญต่าง ๆภายใต้กรอบตรรกะคลุมเครือ โดยเฉพาะวิธีการแก้ปัญหาความแตกต่างในความรู้ของผู้เชี่ยวชาญที่แตกต่างกัน ความต้องการ ที่จะแก้ไข การบูรณาการความรู้ที่ได้รับความสนใจในปัญญาประดิษฐ์ ( AI ) ชุมชน และกรอบที่แตกต่างกันมากในการบูรณาการความรู้ที่ได้รับการเสนอ การตรวจสอบกรอบเหล่านี้ต่อการเกิดดินถล่ม โดยอาศัยความรู้จากผู้เชี่ยวชาญนี้ควรจะเป็นเรื่องของการศึกษาที่แยกต่างหากการพกพาในรูปแบบหรือวิธีการที่สำคัญไม่เพียง แต่ในแง่ของประโยชน์ของกว่าพื้นที่ที่กว้างขึ้น แต่ยังอยู่ในแง่ของวิธีที่เราเข้าใจกระบวนการรูปแบบหรือวิธีการจับ ผลการศึกษานี้แสดงให้เห็นว่านี้ฐานความรู้ถือขึ้นได้ดีเมื่อมีการย้ายโดยไม่ต้องเปลี่ยนแปลงพื้นที่ประมาณ 19 ครั้งใหญ่และซับซ้อนมากขึ้นกว่าพื้นที่ที่ความรู้พัฒนา แล้ววิธีนี้เทียบกับ - วิธีที่มีการใช้กันอย่างแพร่หลายในการทำแผนที่เกิดแผ่นดินถล่ม ในแง่ของการพกพามีความสนใจมาก แต่การเปรียบเทียบอยู่นอกเหนือขอบเขตของกระดาษและนี้ไปศึกษารายละเอียดในสิทธิของตนเองความรู้ด้านวิธีการในการศึกษานี้ไม่ได้ผ่านการใช้ดังกล่าวเพื่อพัฒนาความรู้พื้นฐาน มันเป็นหลักที่แตกต่างจากวิธีการทางสถิติที่ไม่ใช้ข้อมูลความรู้จากผู้เชี่ยวชาญ วิธีการของการเกิดแผ่นดินถล่มและการแยกความสัมพันธ์ระหว่างเกิดดินถล่มและปัจจัย . มันไม่ได้มีเชิงลบเท็จในระหว่างการพัฒนารูปแบบของมันเป็นวิธีการทางสถิติและบางส่วนของการทำเหมืองข้อมูลวิธีการทำ