Una Herramienta de Integración Eficiente y Amigable para el mapeo de Susceptibilidad a Deslizamientos Basado en Máquinas de Vectores de Soporte: Toolbox SVM-LSM

El mapeo de susceptibilidad a deslizamientos (LSM) es un elemento importante de la evaluación del riesgo de deslizamientos, pero el proceso a menudo necesita abarcar múltiples plataformas y el proceso de operación es complejo. Este artículo desarrolla una caja de herramientas eficiente y amigable que incluye todo el proceso de LSM, conocida como la toolbox SVM-LSM. La toolbox realiza el mapeo de susceptibilidad a deslizamientos basado en una máquina de vectores de soporte (SVM), que se puede integrar en la plataforma ArcGIS o ArcGIS Pro. La toolbox incluye tres sub-cajas de herramientas, a saber: (1) producción de factores de influencia, (2) selección de factores y producción de conjuntos de datos, y (3) entrenamiento y predicción del modelo. La producción de factores de influencia proporciona el cálculo automático de factores topográficos relacionados con el DEM, convierte datos vectoriales en líneas a factores raster continuos y realiza el procesamiento de datos de precipitaciones. La selección de factores utiliza el coeficiente de correlación de Pearson (PCC) para calcular las correlaciones entre factores y la razón de ganancia de información (IGR) para calcular las contribuciones de diferentes factores a la ocurrencia de deslizamientos. La producción de muestras de conjuntos de datos incluye la generación automática de datos no relacionados con deslizamientos, producción de muestras de datos y división de conjuntos de datos. La precisión, exactitud, recuperación, valor F1, característica operativa del receptor (ROC) y área bajo la curva (AUC) se utilizan para evaluar la capacidad predictiva del modelo. Además, se utilizan dos métodos: procesamiento único y multiprocesamiento, para generar LSM. La eficiencia de predicción del multiprocesamiento es mucho mayor que la del proceso único. Con el fin de verificar el rendimiento y precisión de la toolbox, se seleccionó el Condado de Wuqi, Ciudad de Yan’an, Provincia de Shaanxi como el área de prueba para generar LSM. Los resultados muestran que el valor AUC del modelo es 0.8107. Al mismo tiempo, la herramienta de predicción de multiprocesamiento mejora la eficiencia del proceso de predicción de susceptibilidad en aproximadamente un 60%. Los resultados experimentales confirman la precisión y practicidad de la caja de herramientas propuesta en LSM.