Investigation de la susceptibilité aux glissements de terrain basée sur l'apprentissage en profondeur et l'apprentissage machine de référence, Garhwal Himalaya (Inde)

Le Garhwal Himalaya est la région la plus touchée par les glissements de terrain dans le sous-continent indien, principalement en raison de ses configurations géologiques complexes et de l'activité tectonique active. Les données montrent qu'en moyenne, environ 400 décès surviennent chaque année dans le terrain himalayen en raison des glissements de terrain. Dans la présente étude, nous avons cartographié les zones de susceptibilité aux glissements de terrain dans le segment du Garhwal Himalaya en utilisant des algorithmes robustes d'apprentissage machine et d'apprentissage en profondeur. Chaque modèle d'apprentissage machine et d'apprentissage en profondeur a ses propres limitations, comme une faible capacité de génération avec des fonctions non linéaires pour décrire la relation complexe entre les prédicteurs. Dans cette étude, cinq modèles au total, à savoir SVM (Machine à Vecteurs de Support), RF (Forêt Aléatoire), bagging, ANN (Réseau de Neurones Artificiels), DLNN (Réseau Nerveux Profond) ont été utilisés avec vingt facteurs de contrôle des glissements de terrain. Ici, l'objectif principal de l'étude est de délimiter précisément les zones de susceptibilité aux glissements de terrain du Garhwal Himalaya. Les facteurs sélectionnés ont été considérés à travers un test de multi-colinéarité et des statistiques de rapport de gain d'information, et les points de glissement de terrain précédents ont été pris comme ensemble d'apprentissage (70 %) et ensemble de test (30 %). Selon la valeur de l'aire sous la courbe (AUC), la technique DLNN a une haute capacité (AUC = 0,925) et précision pour la délimitation des zones de glissement de terrain. L'approche intégrée des facteurs physiques et sociaux crée une aptitude de prédiction plus précise qui peut soutenir la gestion des glissements de terrain à grande échelle. Ces modèles de haute précision ont identifié la plupart des parties de Rudraprayag et de Tehri Garhwal comme une zone de très haute susceptibilité aux glissements de terrain. Les cartes générées peuvent aider les décideurs à gérer les glissements de terrain à micro échelle et à planifier l'utilisation durable des terres, en particulier dans le terrain himalayen.