Применение статистических методов на основе ГИС для оценки потенциального развития оползней в районе Шапа, Вьетнам

Abstract

Актуальность. Прогнозирование и минимизация последствий стихийных бедствий являются важнейшими задачами для правительств во всем мире, включая Вьетнам. Оползни являются одним из наиболее распространенных видов стихийных бедствий во Вьетнаме, особенно в северных горных провинциях, что приводит к значительным человеческим жертвам и материальному ущербу. В этом исследовании для оценки потенциального развития оползней в районе Шапа, провинция Лаокай, применялись статистические методы, с использованием геоинформационных систем (ГИС). Для решения поставленной задачи было отобрано девять факторов, определяющих оползневую восприимчивость на рассматриваемой территории: высота над уровнем моря, расстояние до дорог, крутизна склонов, расстояние от разломов, среднемесячное количество осадков, вертикальное расчленение рельефа, землепользование, тип коры выветривания и расстояние до эрозионной сети. Основная цель исследования заключается в подготовке карт потенциального развития оползней для района Шапа. Кроме того, выполненные работы продемонстрировали эффективность использованных статистических методов при оценке восприимчивости территории к оползневому процессу. Объектом исследования является оползневая восприимчивость в районе Шапа провинции Лаокай (Вьетнам). Методы: статистические методы с использованием ГИС, включая метод соотношения частотностей (англ. Frequency Ratio method - FR), метод анализа оползневой восприимчивости (англ. Landslide Susceptibility Analysis method - LSA) и метод статистического индекса (англ. Statistical Index method - SI). Результаты. Были построены карты потенциального развития оползней для исследуемой территории, которая была разделена на пять зон: очень низкого потенциала, низкого потенциала, среднего потенциала, высокого потенциала и очень высокого потенциала. Площадь под кривой ошибок была использована для оценки достоверности этих моделей. Проценты успеха моделей для тренировочных данных составляют 74,60 % (FR), 70,82 % (LSA) и 76,36 % (SI). Проценты прогнозирования моделей для данных тестирования составляют 77,01 % (FR), 74,36 % (LSA) и 78,11 % (SI). Оценка эффективности моделей показала, что все три метода являются эффективными для оценки потенциального развития оползневого процесса в районе исследования. Результаты исследований имеют исключительно важное значение для планирования землепользования и экономического развития, а также для минимизации ущерба от оползней.

The relevance. Predicting and minimizing the impact of natural disasters are critical tasks for governments worldwide, including Vietnam. Landslides are one of the most frequent types of natural disasters in Vietnam, especially in the northern mountainous provinces, resulting in significant loss of life and property. In this study, the GIS-based bivariate statistical methods were applied for assessing landslide potential in Sapa district, Laocai province, Vietnam. For assessing landslide susceptibility, nine landslide-related factors were selected, including elevation, distance to roads, slope, distance to faults, average monthly precipitation, relative relief, land use, crust weathering, and distance to drainage. The main aim of this study is to prepare landslide potential maps for the study area. In addition, the study also demonstrated the effectiveness of bivariate statistical methods for landslide susceptibility assessment. Object of the study is the landslide susceptibility in Sapa district, Laocai province, Vietnam. Methods: GIS-based bivariate statistical methods including frequency ratio, landslide susceptibility analysis, and statistical index. Results. Landslide potential maps were prepared using GIS-based bivariate statistical methods. The study area is divided into five landslide potential zones: very low, low, moderate, high, and very high. The area under the curve of the receiver operating characteristic (AUCROC) was used to evaluate the performance of these models. The success rates of the models for the training data are 74,60 % frequency ratio, 70,82 % landslide susceptibility analysis and 76,36 % statistical index. The prediction rates of the models for the testing data are 77,01 % frequency ratio, 74,36 % landslide susceptibility analysis and 78,11 % statistical index. The performance evaluation of the models revealed that all three techniques are efficient in assessing landslide potential in the study area. Study results are critical for land use planning and economic development, as well as minimizing landslide-related damage.