scispace - formally typeset

Journal ArticleDOI

Analyse spatiale de la susceptibilité des versants aux glissements de terrains. Comparaison de deux approches spatialisées par SIG

30 Jun 2005-Vol. 15, Iss: 2, pp 227-245

AbstractLes techniques d'analyse spatialisee par SIG sont de plus en plus utilisees pour evaluer la susceptibilite des versants aux glissements de terrain. Parmi ces methodes l'analyse bivariee par theorie de l'evidence est consideree comme la plus robuste. Cependant, l'inconvenient principal de cette technique est le probleme de redondance d'information entre variables predictives. L'analyse bivariee par regression logistique, assez peu utilisee actuellement, donne des resultats prometteurs dans ce domaine sans necessiter un travail d'evaluation prealable des donnees. Par une analyse de sensibilite sur les variables predictives, cet article presente une comparaison de ces deux methodes pour obtenir des cartes de susceptibilite realistes et statistiquement acceptables pour une echelle du 1 /10 000e dans un environnement montagneux complexe.

Summary (2 min read)

1. Introduction

  • Un aléa est défini par une intensité, une probabilité d’occurrence spatiale et temporelle qui dépendent de facteurs de prédisposition et de facteurs déclenchants (Cruden et Varnes, 1996).
  • En effet, ce type d’approche, qui évite l’avis subjectif de l’expert, permet d’obtenir à court terme des cartes fiables et réalistes.
  • Cet article présente une comparaison de deux modèles statistiques spatialisés d’évaluation de la susceptibilité des versants aux glissements de terrain.
  • La première technique, par analyse bivariée, est considérée comme robuste et fiable mais nécessite au préalable un travail sur la redondance d’information.

2. Les modèles statistiques spatialisés d’évaluation de la susceptibilité

  • Deux approches d’évaluation de la susceptibilité des versants, fondées sur l’outil SIG pour combiner différents facteurs de prédisposition, sont utilisées (Soeters et Van Westen, 1996 ; Guzzetti et al., 1999).
  • 2. L’approche indirecte L’approche indirecte (ou quantitative) est fondée sur des règles de calcul statistiques et sur le concept d’unités homogènes (Carrara et al., 1995 ; Aleotti et Chowdhury, 1999).
  • Les probabilités pour chaque classe de facteurs sont additionnées une à une.
  • L’analyse bivariée par régression logistique est plus souple à mettre en œuvre car elle ne suppose pas une hypothèse d’indépendance conditionnelle (Agterberg et al., 1989), ce qui peut réduire considérablement le temps d’analyse en amont.

3. Principes et méthodologie

  • La probabilité a priori, qui est la probabilité qu’une unité de terrain (un pixel) contienne une variable dépendante (Vd, dans notre cas les glissements de terrain), est calculée suivant la densité sur la zone d’étude.
  • Les pondérations sont additionnées en utilisant le logarithme naturel des ratios appelé logit.
  • Vp sont combinées, les zones qui ont un poids respectivement élevé ou faible correspondent respectivement à une plus grande ou une plus petite probabilité de présence de Vd. 3.2.
  • Principes de l’analyse spatiale par régression logistique L’analyse spatiale bivariée par régression logistique est un modèle non-linéaire, fondée sur une fonction de répartition sigmoïdale entre la probabilité de présence d’un glissement de terrain (Vd) et différents facteurs de prédisposition (Vd, Kleinbaum, 1994).

4. Site d’étude et stratégie de modélisation

  • Le site d’étude est localisé dans le Bassin de Barcelonnette (Alpes-de-HauteProvence, France) sur le versant ubac , et présente une superficie d’environ 100 km2, entre 1100 m et 3000 m d’altitude.
  • Deux unités lithogéomorphologiques sont séparées par une faille de direction nord-sud : à l’est, les versants sont caractérisés par l’affleurement de flyschs du Sénonien ; à l’ouest, les versants sont dominés par des marnes noires du Callovo-Oxfordien.
  • Les versants de l’unité est, aux pentes fortes (30°-70°), sont complètement dénudés.
  • Dans l’unité ouest, la plupart des glissements de terrain actifs sont situés à proximité des axes de drainage, ou sur des pentes comprises entre 8° et 36° où la superposition marnes noires/dépôts morainiques favorise les instabilités.
  • La dynamique et la fréquence temporelle des ces mouvements sont étudiées depuis une dizaine d’années par plusieurs équipes de recherche (Flageollet et al., 1999 ; Maquaire et al., 2003).

4.2. Stratégie de modélisation

  • Les principales unités lithologiques de la zone d’étude ont été digitalisées à partir d’une carte géologique au 1/50 000ème, complétée par des observations de terrain.
  • L’analyse bivariée, respectivement, par théorie de l’évidence et par régression logistique, prédit, respectivement des aires de 8.4 km2 et 10.8 km2 pour la classe de susceptibilité forte, 6.7 km2 et 7.2 km2 pour la classe de susceptibilité moyenne, et 5.3 km2 et 5.7 km2 pour la classe de susceptibilité faible .
  • Ces confusions peuvent être attribuées au découpage des classes sur la courbe cumulative.

6. Conclusion

  • Cette étude a pour objectif de comparer deux modèles spatiaux statistiques pour évaluer la susceptibilité des versants au glissements de terrain, à une échelle du 1/10 000e, pour des environnements montagneux complexe.
  • Les résultats indiquent qu’une combinaison de cinq variables prédictives (gradient de pente, formations superficielles, occupation du sol, aspect, exposition) permet de prédire, pour la meilleure simulation, la localisation spatiale (en terme de susceptibilité) de 65% des aires observées de glissements de terrain.
  • Ces données ne peuvent être dérivées des bases de données commerciales et nécessitent d’être complétées par des observations de terrain.
  • Les résultats de l’étude confirment ceux obtenus par Van Westen et al. (2003) qui indiquent que l’analyse spatiale bivariée par théorie de l’évidence, fondée à la fois sur l’expérience de l’expert et sur l’objectivité de la méthode de calcul, est la plus performante pour évaluer la susceptibilité des versants.
  • Remerciements Cette recherche a été financée par l’Union Européenne dans le cadre du programme de recherche ALARM (Assessment of Landslide Risk and Mitigation in Mountainous Areas), EVG1-2001-00018, 2002-2004, Coordinateur : S. Silvano (CNR-IRPI, Padoue, Italie).

Did you find this useful? Give us your feedback

...read more

Content maybe subject to copyright    Report

HAL Id: hal-00276824
https://hal.archives-ouvertes.fr/hal-00276824
Submitted on 2 May 2008
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of sci-
entic research documents, whether they are pub-
lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diusion de documents
scientiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Analyse spatiale de la susceptibilité des versants aux
glissements de terrain
Yannick Thiery, Jean-Philippe Malet, Simone Sterlacchini, Anne Puissant,
Olivier Maquaire
To cite this version:
Yannick Thiery, Jean-Philippe Malet, Simone Sterlacchini, Anne Puissant, Olivier Maquaire. Anal-
yse spatiale de la susceptibilité des versants aux glissements de terrain. Revue Internationale de
Géomatique, Lavoisier, 2005, 15 (2), pp.227-245. �10.3166/rig.15.227-245�. �hal-00276824�

Géomatique – 15/2005. Cassini’04, pages 227 à 245
Analyse spatiale de la susceptibilité des
versants aux glissements de terrain.
Comparaison de deux approches spatialisées par SIG.
Yannick Thiery*,***** — Jean-Philippe Malet*,**
Simone Sterlacchini*** — Anne Puissant****
Olivier Maquaire*,*****
* Institut de Physique du Globe, UMR 7516 ULP/CNRS, 5 rue Descartes, F-67084
Strasbourg Cedex, France.yannick.thiery@eost.u-strasbg.fr
** Faculty of Geosciences, UCEL, University of Utrecht, P.O. Box 80115, 3508 TC
Utrecht, The Netherlands
*** CNR-IDPA, Sezione de Milano, Piazza della Scienza 1, I-20126 Milano, Italy.
**** Geosyscom, Géographie des Systèmes de Communication, FRE 2795 CNRS,
University of Caen- Basse Normandie, Esplanade de la Paix, F-14032 Caen Cedex
***** Géographie Physique et Environnement, LETG-Geophen, UMR 6554 CNRS,
University of Caen-Basse Normandie, Esplanade de la Paix, BP 5183, F-14032
Caen Cedex
RÉSUMÉ. Les techniques d’analyse spatialisée par SIG sont de plus en plus utilisées pour
évaluer la susceptibilité des versants aux glissements de terrain. Parmi ces méthodes
l’analyse bivariée par théorie de l’évidence est considérée comme la plus robuste.
Cependant, l’inconvénient principal de cette technique est le problème de redondance
d’information entre variables prédictives. L’analyse bivariée par régression logistique, assez
peu utilisée actuellement, donne des résultats prometteurs dans ce domaine sans nécessiter
un travail d’évaluation préalable des données. Par une analyse de sensibilité sur les
variables prédictives, cet article présente une comparaison de ces deux méthodes pour
obtenir des cartes de susceptibilité réalistes et statistiquement acceptables pour une échelle
du 1 /10 000
e
dans un environnement montagneux complexe.
ABSTRACT. GIS are more and more used to evaluate landslide susceptibility. Among the
different methods generally used, bivariate analyses are considered as the more robust
techniques, particularly the Weight of Evidence technique. However, one major drawback of
this technique is the problem of information redundancy between predictive variables.
Conversely, the logistic regression method does not need this assumption. This paper
presents a strategy to obtain accurate landslide susceptibility zonation without statistical
problem, at the 1:10 000 scale for complex mountainous environments.
MOTS-CLÉS : susceptibilité, glissements de terrain, analyse bivariée, régression logistique,
SIG.
KEYWORDS: susceptibility, landslides, bivariate analysis, logistic regression, GIS.

Géomatique – 15/2005. Cassini’04
228
1. Introduction
Pour la cartographie du risque « glissements de terrain », il est nécessaire
d’évaluer le niveau d’aléa et les enjeux humains ou la vulnérabilité des éléments
exposés (MATE/METL, 1999). Un aléa est défini par une intensité, une probabilité
d’occurrence spatiale et temporelle qui dépendent de facteurs de prédisposition et de
facteurs déclenchants (Cruden et Varnes, 1996). Evaluer l’aléa nécessite au
préalable d’apprécier la susceptibilité des terrains à un type de glissement, c’est à
dire la possibilité qu’un glissement se produise sur un territoire pour différentes
conditions environnementales locales. Cela revient à répondre à trois questions :
quel type de glissement de terrain est susceptible de se produire ? quels sont les
facteurs de prédisposition ? où ces facteurs sont-ils spatialement réunis ?
La probabilité d’occurrence spatiale est ainsi conditionnée par des facteurs de
prédisposition (variables prédictives) comme par exemple la topographie (gradient
de pente, aspect, orientation), la géologie (lithologie, structure), et l’occupation des
sols. La démarche consiste donc à évaluer la probabilité de rupture des terrains à
partir de ces variables prédictives et de phénomènes passés, sans tenir compte de
leur occurrence temporelle. Les cartes de susceptibilité peuvent être obtenues par
une approche directe (ou qualitative) ou une approche indirecte (fondée sur des
modèles spatiaux statistiques).
L’approche indirecte est de plus en plus utilisée dans l’évaluation de la
susceptibilité des versants aux glissements de terrain. En effet, ce type d’approche,
qui évite l’avis subjectif de l’expert, permet d’obtenir à court terme des cartes
fiables et réalistes. Plusieurs techniques d’analyse peuvent être appliquées
(bivariées, multivariées ; Chowdhury et al., 1999).
Cet article présente une comparaison de deux modèles statistiques spatialisés
d’évaluation de la susceptibilité des versants aux glissements de terrain. La première
technique, par analyse bivariée, est considérée comme robuste et fiable mais
nécessite au préalable un travail sur la redondance d’information. La deuxième, par
régression logistique, plus souple à mettre en place, est actuellement peu utilisée
pour ces recherches. Les cartes obtenues sont évaluées statistiquement, puis
comparées à une carte d’inventaire acquise par une démarche géomorphologique.
Ces différents tests permettent d’évaluer les performances de chacune des deux
techniques. Le site d’étude est localisé dans les Alpes du Sud, à proximité de la ville
de Barcelonnette (Alpes-de-Haute-Provence, France).
2. Les modèles statistiques spatialisés d’évaluation de la susceptibilité
Deux approches d’évaluation de la susceptibilité des versants, fondées sur l’outil
SIG pour combiner différents facteurs de prédisposition, sont utilisées (Soeters et
Van Westen, 1996 ; Guzzetti et al., 1999).

Analyse spatiale des glissements de terrain
229
2.1. L’approche directe
L’approche directe (ou qualitative) privilégie la connaissance experte des
phénomènes. Ce type d’analyse peut donner des résultats très différents selon
l’expert (Van Westen, 2000). Deux méthodes sont couramment utilisées :
- la méthode expert, dans laquelle le scientifique évalue intuitivement les
relations entre les glissements de terrain observés et différents facteurs de
prédisposition. Cette méthode est utilisée en France pour l’élaboration des Plans de
Prévention des Risques (PPR ; MATE/METL, 1999), et en Suisse pour la réalisation
des Cartes de Dangers (BUWAL/BWW/BRP
, 1997) ;
- la méthode de combinaison qualitative indexée, dans laquelle le scientifique
hiérarchise chaque classe de facteurs de prédisposition suivant sa connaissance
avant de les pondérer et de les combiner (Wachal et Hudak, 2000).
2.2. L’approche indirecte
L’approche indirecte (ou quantitative) est fondée sur des règles de calcul
statistiques et sur le concept d’unités homogènes (Carrara et al., 1995 ; Aleotti et
Chowdhury, 1999). Ces méthodes permettent de limiter le problème associé à la
subjectivité de l’expert (Soeters et Van Westen, 1996). Le principe consiste à définir
des relations mathématiques entre les facteurs de prédisposition (variable predictive,
Vp) et l’occurrence spatiale de glissements de terrain (variable dépendante, Vd) afin
d’évaluer quantitativement la probabilité de rupture pour des régions non affectées
par des glissements de terrain. Utiliser ces méthodes suppose trois hypothèses :
(1) les glissements de terrain potentiels se déclencheront selon les mêmes conditions
que dans le passé, (2) l’ensemble des facteurs de prédisposition sont connus a priori
et introduits dans l’analyse, (3) l’ensemble des glissements de terrain sont
inventoriés sur l’aire d’étude.
Les méthodes d’analyses peuvent être bivariées ou multivariées
(Carrara et al., 1995). Pour obtenir de bons résultats, ces dernières nécessitent un
nombre exhaustif de variables prédictives, ce qui implique des efforts démesurés de
collecte de données (Soeters et Van Westen, 1996). L’avantage des procédures
bivariées réside alors dans la détermination d’une combinaison optimale de
variables indépendantes (hypothèse d’indépendance conditionnelle, IC). Parmi les
analyses bivariées, deux méthodes déjà testées sur d’autres sites d’études (Van
Westen et al., 2003 ; Süzen et Doyuran, 2004a) ont été sélectionnées :
- l’analyse bivariée par théorie de l’évidence (Bonham-Carter, 1994 ;
Van Westen et al., 2003) où chaque classe de facteurs de prédisposition est
combinée avec une carte d’inventaire des glissements de terrain, puis pondérée par
la densité de glissements de terrain dans la région considérée. Les probabilités pour
chaque classe de facteurs sont additionnées une à une. Le calcul final attribue

Géomatique – 15/2005. Cassini’04
230
plusieurs probabilités par combinaison de classes. L’analyse bivariée par la théorie
de l’évidence est statistiquement la technique la plus robuste (Van Westen, 2004).
- l’analyse bivariée par régression logistique, qui permet de prédire l'effet d'un
ou plusieurs facteurs de prédisposition sur la présence/absence de glissement de
terrain. Elle permet de modéliser la probabilité pour qu'un événement survienne
pour différentes valeurs d'un ensemble de variables descriptives quantitatives et/ou
qualitatives (Dai et al. 2001 ; Süzen et Doyuran, 2004a, 2004b). L’analyse bivariée
par régression logistique est plus souple à mettre en œuvre car elle ne suppose pas
une hypothèse d’indépendance conditionnelle (Agterberg et al., 1989), ce qui peut
réduire considérablement le temps d’analyse en amont.
Les deux modèles statistiques sont introduits dans le SIG ArcView 3.2®
(extension ArcSDM ; Kemp et al., 2001).
3. Principes et méthodologie
3.1. Principes de l’analyse spatiale bivariée par la théorie de l’évidence
L’analyse spatiale bivariée par la théorie de l’évidence, déjà appliquée en
médecine (Spiegelhater et Kill-Jones, 1984) et en géologie (Bonham-Carter, 1994),
est une version log-linéaire du théorème général de Bayes utilisant les principes de
calcul de probabilité fondés sur les notions de probabilité a priori et de probabilité a
posteriori. La probabilité a priori, qui est la probabilité qu’une unité de terrain (un
pixel) contienne une variable dépendante (Vd, dans notre cas les glissements de
terrain), est calculée suivant la densité sur la zone d’étude. La probabilité a
posteriori est estimée après le calcul de la probabilité a priori selon la densité de Vd
pour chaque variable considérée comme prédictive (Vp, dans notre cas chaque
facteur de prédisposition). La méthode est fondée sur le calcul d’un poids positif
(W
+
; [1]) et d’un poids négatif (W
-
; [2]), dont les valeurs dépendent de l’association
entre Vp et Vd.
)|(
)|(
ln
=+
VdBP
VdBP
W
[1]
)|(
)|(
ln
=
VdBP
VdBP
W
[2]
Dans les équations [1] et [2], B est la classe de Vp et le symbole «
_
» représente
l’absence de Vp et/ou de Vd. Le ratio représente la probabilité de présence sur la
probabilité d’absence d’un phénomène. Les pondérations sont additionnées en
utilisant le logarithme naturel des ratios appelé logit. Les calculs des valeurs de W
+

Citations
More filters

Journal ArticleDOI
Abstract: Statistical assessment of landslide susceptibility has become a major topic of research in the last decade. Most progress has been accomplished on producing susceptibility maps at meso-scales (1:50,000–1:25,000). At 1:10,000 scale, which is the scale of production of most regulatory landslide hazard and risk maps in Europe, few tests on the performance of these methods have been performed. This paper presents a procedure to identify the best variables for landslide susceptibility assessment through a bivariate technique (weights of evidence, WOE) and discusses the best way to minimize conditional independence (CI) between the predictive variables. Indeed, violating CI can severely bias the simulated maps by over- or under-estimating landslide probabilities. The proposed strategy includes four steps: (i) identification of the best response variable (RV) to represent landslide events, (ii) identification of the best combination of predictive variables (PVs) and neo-predictive variables (nPVs) to increase the performance of the statistical model, (iii) evaluation of the performance of the simulations by appropriate tests, and (iv) evaluation of the statistical model by expert judgment. The study site is the north-facing hillslope of the Barcelonnette Basin (France), affected by several types of landslides and characterized by a complex morphology. Results indicate that bivariate methods are powerful to assess landslide susceptibility at 1:10,000 scale. However, the method is limited from a geomorphological viewpoint when RVs and PVs are complex or poorly informative. It is demonstrated that expert knowledge has still to be introduced in statistical models to produce reliable landslide susceptibility maps.

226 citations


Journal ArticleDOI
30 Dec 2006
TL;DR: This paper presents a three-step procedure to map landslide risk in mountain areas and simulates the relationship between several environmental factors controlling landslide location and the observed past and present landslide distribution.
Abstract: RESUME : Pour evaluer et cartographier le risque « glissement de terrain », les techniques d'analyse spatiale et les technologies SIG sont rarement utilisees. En particulier, aucune etude concerne la cartographie automatique du risque « glissement de terrain » a grande echelle (1:10,000 e), echelle de travail correspondant a la cartographie reglementaire du risque naturel en France. Cet article presente une procedure en trois etapes pour evaluer et cartographier le risque « glissement de terrain » en associant plusieurs modeles d'analyse. Dans un premier temps, la susceptibilite (composante spatiale de l'alea) aux glissements de terrain est evaluee par un modele probabiliste bivarie (theorie de l'evidence). Le modele analyse les relations mathematiques entre des facteurs environnementaux de predisposition et l'occurrence spatiale des glissements de terrains passes et presents. Dans un deuxieme temps, leurs consequences potentielles (ou dommages) sont estimees par l'identification des elements a risques (enjeux) et de leurs valeurs dans un modele d'analyse semi-empirique. Enfin, le risque « glissement de terrain » est evalue en combinant les cartes de susceptibilite et les cartes de consequences. La methode a ete elaboree dans le cadre du projet europeen ALARM (Assessment of Landslide Risk and Mitigation in Mountain Areas, 2001-2004), et a ete testee dans le bassin ABSTRACT. Spatial analysis and GIS technology are still seldom used to evaluate and map landslide risk. Especially, few studies concern the automatic mapping of landslide risk at large scales (1:10,000) corresponding to the scale of the legal regulation plans in France. Maquaire et al., Analyse spatiale du risque « glissement de terrain » 2 This paper presents a three-step procedure to map landslide risk in mountain areas. First, landslide susceptibility (e.g. the spatial component of the hazard) is evaluated with a bivariate probabilistic model. The model simulates the relationship between several environmental factors controlling landslide location and the observed past and present landslide distribution. Second, landslide potential consequences (damage) are evaluated through the identification of the elements at risk (or stakes) and their value with a semi-empirical model. Finally, landslide risk is evaluated by combining the susceptibility maps and the consequence maps. The methodology has been developed within the EU-funded project ALARM (Assessment of Landslide Risk and Mitigation in Mountain Areas, 2001-2004) and has been applied in the Barcelonnette Basin (French South Alps). MOTS-CLES : glissement de terrain, risque, susceptibilite, analyse spatiale, modelisation, SIG

16 citations


11 Sep 2006
TL;DR: An exploratory attempt to use Fuzzy Logic Rules for mapping landslide susceptibility and the technique allows to describe the role of each predisposing factor (predictive variable) and their optimal combination.
Abstract: Landslide Susceptibility Assessment (LSA) is defined as the spatial probability for a landslide to be generated in an area for many environmental factors. Currently, two approaches are used: (i) the qualitative approach based on expert opinion and knowledge of the relationship between the observed phenomenon and some predisposing factors and (ii) the statistical approach based on the statistical analysis of the relationship between the observed landslide and some predisposing factors. This paper proposes an exploratory attempt to use Fuzzy Logic Rules for mapping landslide susceptibility. The technique allows to describe the role of each predisposing factor (predictive variable) and their optimal combination. The best predictive variables identified by Fuzzy Logic are then introduced in a statistical bivariate model. The simulated maps obtained by both approaches are then compared and evaluated with an expert map, build with the prescribed rules of the French PPR (Plan de Prevention des Risques) methodology, and considered as a map of reference.

13 citations


Journal ArticleDOI
TL;DR: Through this synthesis carried out as part of the regulatory mapping of landslide hazards and risks in France, a state-of-the-art spatial assessment of current landslide hazards is performed and the new tools and databases to support this type of analysis are described.
Abstract: In France, in the context of regulatory mapping (PPRNs –Prevention Plans of Natural Risk based on French regulatory rules), landslide hazard assessment follows an empirical approach and uses basic available data. Therefore, the results are closely linked to the quality of the expertise and divergent opinions may arise in some specific cases. In recent years, numerical approaches using GIS, the availability of new databases, the development of new acquisition tools in the field and web visualization services have improved the knowledge of phenomena and different landslide-prone areas. Numerical approaches using GIS, that allow the transparency and traceability of results, have various levels of complexity and require different quantities of input data. However, they are often neglected by experts and new data and tools are not currently used to develop regulatory mapping documents. Numerous scientific examples show that these numerical approaches, web services and new tools can be a significant help in improving knowledge and provide a credible alternative to the expert approach, even in a regulatory context such as a PPRN. Thus, through this synthesis carried out as part of the regulatory mapping of landslide hazards and risks in France, a state-of-the-art spatial assessment of current landslide hazards is performed. The new tools and newly available databases to support this type of analysis are then described. Finally, the perspectives and limitations of alternative approaches and new tools and data are discussed, leading to some considerations for the improvement of the current method of producing landslide hazard maps for PPRNs in France.

9 citations


Journal ArticleDOI
Abstract: Abstract The Tunisian North-western region, especially Tabarka and Ain-Drahim villages, presents many landslides every year. Therefore, the landslide susceptibility mapping is essential to frame zones with high landslide susceptibility, to avoid loss of lives and properties. In this study, two bivariate statistical models: the evidential belief functions (EBF) and the weight of evidence (WoE), were used to produce landslide susceptibility maps for the study area. For this, a landslide inventory map was mapped using aerial photo, satellite image and extensive field survey. A total of 451 landslides were randomly separated into two datasets: 316 landslides (70%) for modelling and 135 landslides (30%) for validation. Then, 11 landslide conditioning factors: elevation, slope, aspect, lithology, rainfall, normalized difference vegetation index (NDVI), land cover/use, plan curvature, profile curvature, distance to faults and distance to drainage networks, were considered for modelling. The EBF and WoE models were well validated using the Area Under the Receiver Operating Characteristic (AUROC) curve with a success rate of 87.9% and 89.5%, respectively, and a predictive rate of 84.8% and 86.5%, respectively. The landslide susceptibility maps were very similar by the two models, but the WoE model is more efficient and it can be useful in future planning for the current study area.

6 citations


References
More filters

Journal ArticleDOI
Abstract: In recent years, growing population and expansion of settlements and life-lines over hazardous areas have largely increased the impact of natural disasters both in industrialized and developing countries. Third world countries have difficulty meeting the high costs of controlling natural hazards through major engineering works and rational land-use planning. Industrialized societies are increasingly reluctant to invest money in structural measures that can reduce natural risks. Hence, the new issue is to implement warning systems and land utilization regulations aimed at minimizing the loss of lives and property without investing in long-term, costly projects of ground stabilization. Government and research institutions worldwide have long attempted to assess landslide hazard and risks and to portray its spatial distribution in maps. Several different methods for assessing landslide hazard were proposed or implemented. The reliability of these maps and the criteria behind these hazard evaluations are ill-formalized or poorly documented. Geomorphological information remains largely descriptive and subjective. It is, hence, somewhat unsuitable to engineers, policy-makers or developers when planning land resources and mitigating the effects of geological hazards. In the Umbria and Marche Regions of Central Italy, attempts at testing the proficiency and limitations of multivariate statistical techniques and of different methodologies for dividing the territory into suitable areas for landslide hazard assessment have been completed, or are in progress, at various scales. These experiments showed that, despite the operational and conceptual limitations, landslide hazard assessment may indeed constitute a suitable, cost-effective aid to land-use planning. Within this framework, engineering geomorphology may play a renewed role in assessing areas at high landslide hazard, and helping mitigate the associated risk.

1,888 citations


Journal ArticleDOI
Abstract: This paper deals with several aspects of the assessment of hazard and risk of landsliding. In recent years the interest in this topic has increased greatly and there are many technical papers dealing with this subject in the literature. This article presents a summary review and a classification of the main approaches that have been developed world-wide. The first step is the subdivision between qualitative and quantitative methods. The first group is mainly based on the site-specific experience of experts with the susceptibility/hazard determined directly in the field or by combining different index maps. The approaches of the second group are formally more rigorous. It is possible to distinguish between statistical analyses (bivariate or multivariate) and deterministic methods that involve the analysis of specific sites or slopes based on geo-engineering models. Such analyses can be deterministic or probabilistic. Among the quantitative methods discussed is the Neural Networks approach which has only recently been applied to engineering geology problems. Finally several considerations concerning the concept of acceptable risk and risk management are presented.

1,090 citations


01 Jan 2016
TL;DR: The logistic regression a self learning text is universally compatible with any devices to read and is available in the book collection an online access to it is set as public so you can get it instantly.
Abstract: Thank you very much for downloading logistic regression a self learning text. As you may know, people have search hundreds times for their favorite books like this logistic regression a self learning text, but end up in malicious downloads. Rather than reading a good book with a cup of tea in the afternoon, instead they are facing with some infectious bugs inside their desktop computer. logistic regression a self learning text is available in our book collection an online access to it is set as public so you can get it instantly. Our digital library spans in multiple countries, allowing you to get the most less latency time to download any of our books like this one. Merely said, the logistic regression a self learning text is universally compatible with any devices to read.

934 citations



Journal ArticleDOI
Abstract: The objective of this paper is to evaluate the importance of geomorphological expert knowledge in the generation of landslide susceptibility maps, using GIS supported indirect bivariate statistical analysis. For a test area in the Alpago region in Italy a dataset was generated at scale 1:5,000. Detailed geomorphological maps were generated, with legends at different levels of complexity. Other factor maps, that were considered relevant for the assessment of landslide susceptibility, were also collected, such as lithology, structural geology, surficial materials, slope classes, land use, distance from streams, roads and houses. The weights of evidence method was used to generate statistically derived weights for all classes of the factor maps. On the basis of these weights, the most relevant maps were selected for the combination into landslide susceptibility maps. Six different combinations of factor maps were evaluated, with varying geomorphological input. Success rates were used to classify the weight maps into three qualitative landslide susceptibility classes. The resulting six maps were compared with a direct susceptibility map, which was made by direct assignment of susceptibility classes in the field. The analysis indicated that the use of detailed geomorphological information in the bivariate statistical analysis raised the overall accuracy of the final susceptibility map considerably. However, even with the use of a detailed geomorphological factor map, the difference with the separately prepared direct susceptibility map is still significant, due to the generalisations that are inherent to the bivariate statistical analysis technique.

530 citations


Frequently Asked Questions (1)
Q1. What are the contributions in "Analyse spatiale de la susceptibilité des versants aux glissements de terrain" ?

In this paper, Thiery et al. analyzed the susceptibilité of glissements de terrain to se produire.