Une méthode objective d’échantillonnage de données d’absence pour la cartographie de la susceptibilité aux glissements de terrain

Aug 21, 2023

Rapports scientifiques volume 13, Numéro d'article : 1740 (2023) Citer cet article

1270 Accès

4 citations

Détails des métriques

La précision et la qualité de la carte de susceptibilité aux glissements de terrain dépendent des emplacements de glissement de terrain disponibles et de la stratégie d'échantillonnage des données d'absence (emplacements hors glissement de terrain). Dans cette étude, nous proposons une méthode objective pour déterminer la valeur critique pour l'échantillonnage des données d'absence basées sur les distances de Mahalanobis (MD). Nous démontrons cette méthode sur la cartographie de la susceptibilité aux glissements de terrain de trois sous-districts (Upazilas) du district de Rangamati, au Bangladesh, et comparons les résultats avec la carte de susceptibilité aux glissements de terrain produite sur la base de la méthode d'échantillonnage des données d'absence basée sur la pente. En utilisant les 15 facteurs causals des glissements de terrain, notamment la pente, l'aspect et la courbure du plan, nous déterminons d'abord la valeur critique de 23,69 sur la base de la distribution du Chi carré avec 14 degrés de liberté. Cette valeur critique a ensuite été utilisée pour déterminer l’espace d’échantillonnage de 261 données d’absence aléatoires. En comparaison, nous avons choisi un autre ensemble de données d’absence basé sur un seuil de pente < 3°. Les cartes de susceptibilité aux glissements de terrain ont ensuite été générées à l'aide du modèle de forêt aléatoire. Les courbes des caractéristiques de fonctionnement du récepteur (ROC) et l'indice Kappa ont été utilisés pour l'évaluation de la précision, tandis que l'indice de surface des cellules semencières (SCAI) a été utilisé pour l'évaluation de la cohérence. La carte de susceptibilité aux glissements de terrain produite à l'aide de notre méthode proposée présente des valeurs d'ajustement du modèle (0,87), de prédiction (0,85) et de Kappa (0,77) relativement élevées. Même si la carte de susceptibilité aux glissements de terrain produite par l'échantillonnage basé sur la pente présente également une précision relativement élevée, les valeurs SCAI suggèrent une cohérence moindre. De plus, l’échantillonnage basé sur la pente est très subjectif ; par conséquent, nous recommandons d’utiliser l’échantillonnage des données d’absence basé sur MD pour la cartographie de la susceptibilité aux glissements de terrain.

Les glissements de terrain sont le mouvement de roches, de sols et de terres le long d'une pente1 lorsque la contrainte de cisaillement exercée sur les matériaux de la pente dépasse la résistance au cisaillement2. Elle provoque des dommages aux infrastructures et des pertes de vies humaines dans le monde entier3,4,5. L’inventaire des glissements de terrain et la cartographie de la vulnérabilité sont essentiels pour atténuer les pertes causées par les glissements de terrain2,6,7,8,9. L’inventaire des glissements de terrain documente des glissements de terrain antérieurs10, tandis que la susceptibilité aux glissements de terrain décrit la probabilité de glissements de terrain sur une zone11. Les glissements de terrain sont affectés par divers facteurs causals, tels que la pente, la courbure, l'utilisation des terres/la couverture terrestre, la géologie et l'élévation7,12,13. L’inventaire des glissements de terrain et sa relation avec différents facteurs causals peuvent être utilisés pour établir la carte de susceptibilité aux glissements de terrain14.

Diverses méthodes statistiques ont été utilisées pour la cartographie de la susceptibilité aux glissements de terrain, notamment la régression logistique, les machines à vecteurs de support, la forêt aléatoire et l'augmentation du gradient15,16,17. Ces méthodes statistiques utilisent les facteurs causals des glissements de terrain comme variables indépendantes et les emplacements des glissements de terrain (données de présence) et les emplacements sans glissement de terrain (données d'absence) comme variables dépendantes4. Les données de présence proviennent principalement de l'inventaire des glissements de terrain. En revanche, l’absence de données est généralement indisponible et nécessite une stratégie spécifique pour échantillonner les emplacements où la probabilité de glissement de terrain est faible7,18. La qualité et la précision des cartes de susceptibilité aux glissements de terrain dépendent non seulement de la qualité des facteurs causals et des données de présence, mais également de la méthode d'échantillonnage des données d'absence et parfois la précision dépend de la manière dont cet échantillonnage est effectué18.

L'échantillonnage aléatoire est l'approche la plus courante pour les données d'absence. Il prend en compte tous les emplacements autres que les glissements de terrain enregistrés pour les données d'absence19,20. Cette méthode nécessite un inventaire représentatif des glissements de terrain sur l’ensemble de la zone21. Il convient à la cartographie de la susceptibilité aux glissements de terrain dans une zone relativement petite, mais se heurte à des difficultés à l’échelle d’une grande zone ou d’une région12. La précision de la carte de susceptibilité aux glissements de terrain basée sur un échantillonnage aléatoire est généralement faible et biaisée en faveur des emplacements connus des glissements de terrain21. Diverses méthodes d'échantillonnage des données d'absence ont été proposées pour améliorer la précision et la qualité de la cartographie de la susceptibilité aux glissements de terrain, notamment l'analyse exploratoire des données préalables, l'échantillonnage contrôlé par tampon, les mesures basées sur la distance et la densité comme l'estimation de la densité du noyau, la distance euclidienne, une classe ou la présence. seule méthode de classification et modélisation de la distribution de la densité des espèces comme Bioclim7,8,12,21.