文献

J-GLOBAL ID：201902239969872959   整理番号：19A1137481

流域地図単位との組合せにおけるランダムフォレストと多変量適応回帰スプラインモデルを用いた地滑り感受性マップの比較【JST・京大機械翻訳】

Comparison of landslide susceptibility maps using random forest and multivariate adaptive regression spline models in combination with catchment map units

著者 (11件)： Chu Lei (Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province, Nanjing Forestry University, Nanjing, China) ,  Chu Lei (Jiangsu Provincial Key Lab of Soil Erosion and Ecological Restoration, Nanjing Forestry University, Nanjing, China) ,  Wang Liang-Jie (Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province, Nanjing Forestry University, Nanjing, China) ,  Wang Liang-Jie (Jiangsu Provincial Key Lab of Soil Erosion and Ecological Restoration, Nanjing Forestry University, Nanjing, China) ,  Jiang Jiang (Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province, Nanjing Forestry University, Nanjing, China) ,  Jiang Jiang (Jiangsu Provincial Key Lab of Soil Erosion and Ecological Restoration, Nanjing Forestry University, Nanjing, China) ,  Liu Xia (Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province, Nanjing Forestry University, Nanjing, China) ,  Liu Xia (Jiangsu Provincial Key Lab of Soil Erosion and Ecological Restoration, Nanjing Forestry University, Nanjing, China) ,  Sawada Kazuhide (Graduate School of Engineering, Gifu University, Gifu, Japan) ,  Zhang Jinchi (Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province, Nanjing Forestry University, Nanjing, China) ,  Zhang Jinchi (Jiangsu Provincial Key Lab of Soil Erosion and Ecological Restoration, Nanjing Forestry University, Nanjing, China)
資料名： Geosciences Journal  (Geosciences Journal)
巻： 23  号： 2  ページ： 341-355  発行年： 2019年 
JST資料番号： W4390A  ISSN： 1226-4806  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 地すべり感受性マッピング(LSM)は,地質災害によって引き起こされる被害を軽減するための重要なツールである。マップユニットと数学モデルの選択はLSMの効率に大きく影響する。地図ユニットと数学モデルの最も適切な組合せを得るために,4つのスケールの流域マップユニット(CMU)を分析し,ランダムフォレスト(RF)と多変量適応回帰スプライン(MARSpline)モデルを日本のGero市に適用した。正確に同定された地滑りの割合と相対的な動作特性(ROC)曲線下の面積を用いてモデル性能を評価した。結果は,特にCMUのサイズが0.09km2であるとき,RFモデルがMARSplineモデルより高い予測精度を持つことを示した。地すべりの相対的に高い割合は,高いおよび非常に高い地滑り感受性クラス(73%)に低下し,地滑りの最低の割合は非常に低い地滑り感受性クラス(0.82%)に低下した。予測面積(P-A)プロットは,予測率がMARSplineモデルよりRFモデルの方が高いことを示した。本研究の結果は,適切なCMUサイズを用いると,モデルの精度が向上できることを示唆している。したがって,適切なCMUサイズと組み合わせたRFモデルを用いる可能性のある利点は,追加的な地すべり条件因子と他のモデルを用いてさらに探究されるべきである。Copyright 2019 The Association of Korean Geoscience Societies and Springer Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地質 ,  *モデル ,  *感受性 ,  予測 ,  *地滑り ,  *スプライン ,  *流域 ,  数学モデル
準シソーラス用語： 予測精度 ,  動作特性 ,  *多変量 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 地すべり感受性 ,  多変量適応回帰スプライン(MARスプライン)モデル ,  ランダムフォレスト(RF)モデル ,  集水域地図単位(CMUS)

分類 (2件)： 自然災害  (RA02030M) ,  斜面安定,掘削変形  (RA03070L)

タイトルに関連する用語 (11件)： 流域 ,  地図 ,  組合せ ,  ランダムフォレスト ,  多変量 ,  適応 ,  スプライン ,  モデル ,  地滑り ,  感受性 ,  マップ