Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 112,298,152
Effect of time-variant NDVI on landside susceptibility: A case study in Quang Ngai province, Vietnam
Tác giả hoặc Nhóm tác giả:
Viet Long Doan, Ba-Quang-Vinh Nguyen, Hung T. Pham, Chi Cong Nguyen, and Cuong Tien Nguyen
Nơi đăng:
Open Geosciences 2023;
S
ố:
15: 20220550;
Từ->đến trang
: 1-15;
Năm:
2023
Lĩnh vực:
Khoa học công nghệ;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
ABSTRACT
Normalized difference vegetation index (NDVI) is a conditioning factor that significantly affects slope stabilization, as the low vegetation coverage can create conducive conditions for landslide occurrence. In previous studies, NDVI was often calculated from long-term average NDVI maps or specific yearly NDVI maps. However, this approach is unsuitable due to the time-varying nature of these data, influenced by numerous factors, including human activities. To solve this problem, this study uses NDVI as a time-varying factor. NDVI maps are generated from Sentinel 2 and Landsat_8 imagery at the onset of each rainy season between 2015 and 2020 in the mountainous region of Quang Ngai Province. Moreover, the landslide events that occurred within this 5-year period (2016–2020), along with a set of conditioning factors, are utilized todevelop landslide susceptibility models based on three algorithms: logistic regression, support vector machine, and extreme gradient boosting (XGBoost). The obtained results demonstrate that using time-varying NDVI shows superior performance compared to using only NDVI from 2015. The outcomes also indicate that XGBoost is the most effective model. Selecting suitable NDVI maps can improve the predictive accuracy of landslide susceptibility mapping.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn