Εκτίμηση κατολισθητικής επιδεκτικότητας στην ορεινή περιοχή των Τζουμέρκων με τη χρήση του μοντέλου λογιστικής παλινδρόμησης. Η περίπτωση της λεκάνης απορροής του Καλαρρύτικου ποταμού

  1. MSc thesis
  2. Μπουκουβάλα, Βάγια
  3. Περιβαλλοντικός Σχεδιασμός Έργων Υποδομής (ΠΣΕ)
  4. 30 Σεπτεμβρίου 2018 [2018-09-30]
  5. Ελληνικά
  6. 129
  7. Ηλία, Ιωάννα
  8. Βατικιώτης, Λεωνίδας | Ζέρβας, Ευστάθιος
  9. Κατολισθητική επιδεκτικότητα | Λογιστική παλινδρόμηση | Γεωγραφικά συστήματα πληροφοριών | Τζουμέρκα | Ήπειρος | Ελλάδα
  10. 17
  11. 106
  12. Πίνακες, Εικόνες, Σχήματα
    • Ο βασικός σκοπός της παρούσας διπλωματικής εργασίας ήταν η εκτίμηση της κατολισθητικής επιδεκτικότητας στην ορεινή περιοχή των Τζουμέρκων, και συγκεκριμένα στην λεκάνη απορροής του Καλαρρύτικου ποταμού, με την μέθοδο της λογιστικής παλινδρόμησης, η κατασκευή χαρτών κατολισθητικής επιδεκτικότητας και η εκτίμηση της επιρροής του αριθμού των παραμέτρων που χρησιμοποιούνται κατά την εφαρμογή της μεθόδου στην προγνωστική της ικανότητα. Για την επίτευξη του σκοπού αυτού δημιουργήθηκαν 3 περιπτώσεις συνδυασμού παραμέτρων που συμβάλουν στην ενεργοποίηση κατολισθητικών φαινομένων και χρησιμοποιήθηκαν 116 θέσεις κατολισθήσεων και μη. Οι θέσεις αυτές προέκυψαν από ανάλυση αεροφωτογραφιών, έρευνες πεδίου και εξέταση σχετικής βιβλιογραφίας. Για την εφαρμογή της μεθόδου δημιουργήθηκαν οι κατάλληλες βάσεις εκπαίδευσης και επαλήθευσης. Συγκεκριμένα, συνολικά χρησιμοποιήθηκαν 10 παράμετροι: το ψηφιακό μοντέλο υψομέτρων, η γεωλογία, η απόσταση από το υδρογραφικό δίκτυο, η απόσταση από τα τεκτονικά χαρακτηριστικά, η κλίση, η διεύθυνση των μορφολογικών κλίσεων, η καμπυλότητα κάθετα στην διεύθυνση της κλίσης, η καμπυλότητα κατά την διεύθυνση της κλίσης, ο τοπογραφικός δείκτης υγρασίας και η απόσταση από το οδικό δίκτυο. Εφαρμόζοντας τη μέθοδο της λογιστικής παλινδρόμησης προέκυψαν οι 3 χάρτες κατολισθητικής επιδεκτικότητας, ένας για κάθε περίπτωση μελέτης. Στην συνέχεια πραγματοποιήθηκε η χωρική προγνωστική απόδοση του μοντέλου κάνοντας χρήση των καμπυλών λειτουργικού χαρακτηριστικού και εκτίμησης της σχετικής πυκνότητας. Τα αποτελέσματα έδειξαν ότι οι παράμετροι που επηρεάζουν περισσότερο είναι αυτές της απόστασης από τα τεκτονικά χαρακτηριστικά και από το υδραυλικό και οδικό δίκτυο. Από την επαλήθευση των μοντέλων προέκυψε ότι όσο μεγαλύτερος ήταν ο αριθμός των παραμέτρων που χρησιμοποιούνται (3η περίπτωση) τόσο μεγαλύτερη ήταν και η τιμή AUC. Συγκεκριμένα οι τιμές AUC για τη βάση εκπαίδευσης και επαλήθευσης της 3ης περίπτωσης αντίστοιχα ήταν 0,754 και 0,826, τιμές που υποδεικνύουν καλή προσαρμογή του μοντέλου, καλύτερη από των άλλων δύο περιπτώσεων. Τέλος, διαπιστώθηκε ότι για να καταλήξουμε σε καλύτερη πρόβλεψη μέσω της μεθόδου λογιστικής παλινδρόμησης όταν διαθέτουμε μικρό αριθμό δεδομένων, είναι απαραίτητη η χρήση περισσότερων παραμέτρων. Στην περίπτωσή μας καλύτερη προγνωστική απόδοση έδωσε η 3η περίπτωση όπου και χρησιμοποιήθηκαν και οι 10 παράμετροι.
    • The main objective of the present study was the assessment of landslide susceptibility in the mountainous region of Tzoumerka, and especially in the water basin of Kalarritikos river, using the method of logistic regression, the creation of landslide susceptibility maps and the assessment of the influence of the number of factors used in the application of the method to its predictive capacity. For this purpose 3 cases with different combination of factors that trigger landslides phenomena were created and 116 positions of landslide and non-landslide areas were used. These positions were established by analyzing airborne imagery, field investigation and the examination of relevant literature. Subsets of training and validating data were created in order to practice logistic regression. In particular, 10 parameters were used in total: altitude, geology, distance from river network, distance from tectonic features, slope, aspect, plan curvature, profile curvature, topographic wetness index and distance from road network. Applying the method of logistic regression analysis revealed 3 landslide susceptibility maps, one for each case study. Then the spatial predictive performance of the model was held using the curves of Receiver Operating Characteristic (ROC) and assessment of relative density. The results showed that the parameters affecting most are the distances from tectonic features, the river and the road network. The verification of the models showed that the greater the number of parameters used (3rd case) the greater the value AUC. Specifically, AUC rates for training and validating database of the 3rd case were 0,754 and 0,826 respectively, rates that indicate a good fit of the model, a better one than in the other two cases. Finally, it was ascertained that in order to reach a better forecast through the logistic regression analysis when there is a small number of data available, it is necessary to use more factors. In our study better, predictive performance gave the 3rd case where all 10 factors were used.
  14. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές