Susceptibility assessment of earthquake-triggered landslides in El Salvador using logistic regression

García-Rodríguez, M. J.; Malpica, José A.; Benito, B.; Díaz, Manuel Jesús Bellido

doi:10.1016/j.geomorph.2007.06.001

Cited by 192 publications

(91 citation statements)

References 50 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The model with the largest AUC is regarded as the best. An AUC close to 1 suggests that the model produces a good result [54]. In contrast, an AUC value close to 0.5 implies a poor result.…”

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

“…As a useful tool to study binary problems, such as the manifestation or not of landslides, the ROC curve has been widely used to evaluate the performance of a landslide susceptibility model [54,55]. The curve is created by plotting the true positive rate (TPR) against the false positive rate (FPR) at various threshold settings [56].…”

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

“…The false-positive values along the x-axis are the proportion of areas classified as landslide prone zones but are actually not. In contrast, the true-positive values along the y-axis are the proportion of landsliding zones classified as landslide prone areas [54]. The landslide susceptibility model is evaluated using the area under the ROC curve (AUC) [55].…”

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

See 2 more Smart Citations

An Improved Information Value Model Based on Gray Clustering for Landslide Susceptibility Mapping

Chen

Deng³

et al. 2017

IJGI

View full text Add to dashboard Cite

Landslides, as geological hazards, cause significant casualties and economic losses. Therefore, it is necessary to identify areas prone to landslides for prevention work. This paper proposes an improved information value model based on gray clustering (IVM-GC) for landslide susceptibility mapping. This method uses the information value derived from an information value model to achieve susceptibility classification and weight determination of landslide predisposing factors and, hence, obtain the landslide susceptibility of each study unit based on the clustering analysis. Using a landslide inventory of Chongqing, China, which contains 8435 landslides, three landslide susceptibility maps were generated based on the common information value model (IVM), an information value model improved by an analytic hierarchy process (IVM-AHP) and our new improved model. Approximately 70% (5905) of the inventory landslides were used to generate the susceptibility maps, while the remaining 30% (2530) were used to validate the results. The training accuracies of the IVM, IVM-AHP and IVM-GC were 81.8%, 78.7% and 85.2%, respectively, and the prediction accuracies were 82.0%, 78.7% and 85.4%, respectively. The results demonstrate that all three methods perform well in evaluating landslide susceptibility. Among them, IVM-GC has the best performance.

show abstract

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

Section: Receiver Operating Characteristics Curvementioning

confidence: 99%

See 1 more Smart Citation

An Improved Information Value Model Based on Gray Clustering for Landslide Susceptibility Mapping

Chen

Deng³

et al. 2017

IJGI

View full text Add to dashboard Cite

show abstract

“…In addition, there are other layers of generated maps and requirements, including Digital Terrain Model (DTM), slope map, aspect, roughness, and precipitation, for the assessment susceptibility (García-Rodríguez et al, 2008.…”

Section: Application To El Salvador: Data Sources and Gismentioning

confidence: 99%

Assessment of earthquake-triggered landslide susceptibility in El Salvador based on an Artificial Neural Network model

García-Rodríguez¹,

Malpica

2010

Nat. Hazards Earth Syst. Sci.

View full text Add to dashboard Cite

Abstract. This paper presents an approach for assessing earthquake-triggered landslide susceptibility using artificial neural networks (ANNs). The computational method used for the training process is a back-propagation learning algorithm. It is applied to El Salvador, one of the most seismically active regions in Central America, where the last severe destructive earthquakes occurred on 13 January 2001 (M w 7.7) and 13 February 2001 (M w 6.6). The first one triggered more than 600 landslides (including the most tragic, Las Colinas landslide) and killed at least 844 people.The ANN is designed and programmed to develop landslide susceptibility analysis techniques at a regional scale. This approach uses an inventory of landslides and different parameters of slope instability: slope gradient, elevation, aspect, mean annual precipitation, lithology, land use, and terrain roughness. The information obtained from ANN is then used by a Geographic Information System (GIS) to map the landslide susceptibility. In a previous work, a Logistic Regression (LR) was analysed with the same parameters considered in the ANN as independent variables and the occurrence or non-occurrence of landslides as dependent variables. As a result, the logistic approach determined the importance of terrain roughness and soil type as key factors within the model. The results of the landslide susceptibility analysis with ANN are checked using landslide location data. These results show a high concordance between the landslide inventory and the high susceptibility estimated zone. Finally, a comparative analysis of the ANN and LR models are made. The advantages and disadvantages of both approaches are discussed using Receiver Operating Characteristic (ROC) curves.

show abstract

“…До методів прогнозу зсувної небезпе-ки, що базуються на детермінованих моделях, нале-жать групи методів оцінки прояву зсувних процесів та методи аналогій. До існуючих методик регіонального прогнозування зсувів належать такі як: методика про-гнозування за допомогою методу логічного повернення до попереднього стану [20]; методика із залученням ROC аналізу (receiver operating characteristic curve analysis) [22]. У цих випадках середовище ГІС викорис-товується не тільки для введення та збереження даних та візуалізації інформації, а й для проведення спеціа-льних розрахунків, для яких створюються спеціальні додатки.…”

unclassified

Methodology of Predicting Landslide Hazards on a Regional and Local Scale: Principles and Models

Ivanik¹

2014

VKNUGEOL

View full text Add to dashboard Cite

(Рекомендовано членом редакційної колегії доктором геол.-мінералог. наук, проф.. В.В. Шевчуком) Визначення пріоритетності факторів виникнення небезпечних явищ на окремих ділянках функціонування відповідних техногенних систем повинно здійснюватись через інтегрований аналіз якісних і значною мірою кількісних даних з геолого-геоморфологічної будови території та фізико-географічних умов формування цих явищ. Основна мета -науково-обґрунтоване виділення локальних ділянок можливого формування небезпечних геологічних процесів та моделювання їх впливу на функціонування природно-техногенних систем, для яких застосовуються методи детермінованого моделюван-ня і прогнозу. Проведено аналіз світового досвіду у виконанні регіонального та локального прогнозування зсувної небезпеки на основі комплексного підходу. Регіональне прогнозування зсувної небезпеки базується на поєднанні стохастичного та детермінованого підходів та має високу надійність отриманих результатів. На основі локальних прогнозів досліджується природа зсувних процесів, визначається їхня локалізація та взаємодія із інженерними спорудами. Наведено прогнозно-еталонну модель оцінки зсувної небезпеки у межах Карпатського модельного полігону. Для визначення прогнозно-еталонних ознак зсувів, пріоритетності та інформативності факторів їх формування використано технології ГІС, що передбачали створення інформаційної бази концептуальної моделі регіону із сукупністю картографічних шарів і баз атри-бутивної інформації. Виконано порівняльний аналіз методів локального прогнозування зсувної небезпеки та підтверджено, що одним із важливих критеріїв оцінки стабільності схилу є напружено-деформований стан (НДС) породного масиву. Для зсувонебезпечних схилів із змінними параметрами водонасичення здійснено постановку задачі розрахунку НДС та визначе-но ступінь схематизації (формалізації) розрахунків.Ключові слова: зсувна небезпека, прогноз, геоінформаційні системи, напружено-деформований стан.

show abstract

Susceptibility assessment of earthquake-triggered landslides in El Salvador using logistic regression

Cited by 192 publications

References 50 publications

An Improved Information Value Model Based on Gray Clustering for Landslide Susceptibility Mapping

An Improved Information Value Model Based on Gray Clustering for Landslide Susceptibility Mapping

Assessment of earthquake-triggered landslide susceptibility in El Salvador based on an Artificial Neural Network model

Methodology of Predicting Landslide Hazards on a Regional and Local Scale: Principles and Models

Contact Info

Product

Resources

About