RUJA: Repositorio Institucional de Producción Científica

 

Landslide susceptibility mapping using MaxEnt and geographically weighted logistic regression models in the Río Aguas catchment (Almería, SE Spain)

dc.contributor.authorBoussouf, S.
dc.contributor.authorFernández, T.
dc.contributor.authorHart, A.
dc.date.accessioned2024-02-11T12:56:34Z
dc.date.available2024-02-11T12:56:34Z
dc.date.issued2023
dc.description.abstractSe ha realizado un análisis de susceptibilidad a deslizamientos en la cuenca del Río Aguas (Almería, Sureste de España), utilizando dos modelos estadísticos, Máxima Entropía (MaxEnt) y Regresión Logística Geográficamente Ponderada (GWLR). Para ello se ha utilizado y reelaborado un inventario previo de deslizamientos, que alcanza una incidencia total del 2,58% de toda la superficie. Se han distinguido diferentes tipos de movimientos, siendo los predominantes los desprendimientos de rocas, deslizamientos y movimientos complejos. Del inventario se ha extraído el centroide de la zona de ruptura para representar los deslizamientos (poligonales) que se introducen en los modelos. A partir del cruce entre el inventario y los mapas de factores considerados, se ha realizado un análisis factorial previo, utilizando 12 predictores relacionados con morfometría, hidrografía, geología y cobertura del suelo, con una resolución de 5 m. Este ha permitido seleccionar los factores a utilizar en el análisis, descartando aquellos que muestren correlación entre sí. Luego, se aplican los modelos MaxEnt y GWLR utilizando diferentes distribuciones de muestras de entrenamiento y prueba (training/test) del inventario de deslizamientos. Para la validación se ha utilizado el área bajo la curva ROC (AUC-ROC), pero además se ha calculado el grado de ajuste (DF), que ha permitido validar las propias zonas de ruptura en su totalidad, no solo los centroides. Los resultados muestran una excelente predicción con ambas métricas en todos los métodos y muestras, pero los mejores resultados se obtienen en el método GWLR para AUC y en el MaxEnt para el grado de ajuste. Por tanto, se ha obtenido un modelo de consenso de ambos métodos que mejora aún más los resultados alcanzando un valor de AUC de 0,99 y un grado de ajuste del 90%.es_ES
dc.identifier.citationBoussouf, S.; Fernández, T.; Hart, A.B. 2023. Landslide susceptibility mapping using MaxEnt and geographically weighted logistic regression models in the Río Aguas catchment (Almería, SE Spain). Natural Hazards 117 (1), 207-235.es_ES
dc.identifier.issn0921-030Xes_ES
dc.identifier.otherhttps://doi.org/10.1007/s11069-023-05857-7es_ES
dc.identifier.urihttps://hdl.handle.net/10953/2385
dc.language.isoenges_ES
dc.publisherSpringeres_ES
dc.relation.ispartofNatural Hazardses_ES
dc.rightsCC0 1.0 Universal*
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.titleLandslide susceptibility mapping using MaxEnt and geographically weighted logistic regression models in the Río Aguas catchment (Almería, SE Spain)es_ES
dc.typeinfo:eu-repo/semantics/articlees_ES
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
s11069-023-05857-7.pdf
Tamaño:
4.65 MB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.98 KB
Formato:
Item-specific license agreed upon to submission
Descripción:

Colecciones