首页> 外文OA文献 >Analisi della suscettibilità da frana a scala di bacino (Bacino del Fiume Arno, Toscana-Umbria, Italia)
【2h】

Analisi della suscettibilità da frana a scala di bacino (Bacino del Fiume Arno, Toscana-Umbria, Italia)

机译:盆地规模滑坡敏感性分析(意大利,托斯卡纳-翁布里亚,阿尔诺河流域)

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。
获取外文期刊封面目录资料

摘要

In questa nota vengono presentati i metodi applicati e i risultati ottenuti in una recente analisi della pericolosità da frana, condotta sul territorio del Bacino del Fiume Arno nell’ambito di una convenzione tra l’Autorità di Bacino e il Dipartimento di Scienze della Terra dell’Università di Firenze (2002-2005). Tutti i dati acquisiti, confluiti in una banca dati GIS, sono stati sintetizzati in carte tematiche e in una carta inventario delle frane. La sovrapposizione dei fattori predisponenti selezionati (pendenza, litologia, uso del suolo, curvatura di profilo e area drenata) ha permesso di definire le unità elementari per il trattamento statistico (Unità Territoriali Omogenee: UTO). La valutazione della pericolosità è stata estesa alle aree prive di movimenti franosi utilizzando metodi statistici multivariati implementati in Reti Neurali Artificiali. L’area di studio è stata suddivisa in cinque Macroaree morfologicamente e geologicamente omogenee: per ogni Macroarea, i predittori neurali sono stati addestrati su un opportuno sottoinsieme di dati, applicando poi i migliori all’intero data-set al fine di generare valori previsti dell’indice di suscettibilità per ogni UTO. Infine, i valori di uscita sono stati riclassificati in differenti livelli di pericolosità in base a criteri di soglia e validati per confronto con l’inventario. Una percentuale di area in frana compresa tra l’81 e il 96% risulta correttamente classificata dalla previsione nelle varie Macroaree
机译:本说明介绍了流域管理局与大学地球科学系之间达成的协议的一部分,该报告介绍了在阿诺河流域领土上进行的近期滑坡灾害分析中应用的方法和获得的结果佛罗伦萨(2002-2005)。所有获取的数据都已合并到GIS数据库中,并汇总在专题图和滑坡清单图中。选定的诱发因素(坡度,岩性,土地利用,剖面曲率和流失面积)的重叠使得可以定义用于统计处理的基本单位(同质领土单位:UTO)。使用在人工神经网络中实施的多元统计方法,将危险性评估扩展到了没有滑坡的地区。研究区域分为五个形态和地质上均一的宏区域:对于每个宏区域,对神经预测因子进行适当的数据子集训练,然后将最佳预测子应用于整个数据集,以生成期望值。每个UTO的磁化指数。最后,根据阈值标准将输出值重新分类为不同的危害等级,并通过与清单进行比较进行验证。在各个宏观区域中,通过预报正确分类了介于81%到96%之间的滑坡面积百分比

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号