జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

పెద్ద ప్రాదేశిక ప్రమాణాల వద్ద స్లోప్ ససెప్టబిలిటీ యొక్క అతి అంచనాలను తగ్గించడానికి ఒక బహుళ దశ సాంకేతికత

కల్లెన్ CA, కషుక్ S, సుహిలి R, ఖాన్బిల్వర్ది R మరియు టెమిమి M

వాలుగా ఉన్న భూభాగాల్లో వర్షపాతం వల్ల కొండచరియలు విరిగిపడడం అనేది చాలా తరచుగా జరిగే సహజ ప్రమాదాలలో ఒకటి. అవి ప్రపంచవ్యాప్తంగా గణనీయమైన ఆర్థిక నష్టాలకు మరియు మరణాలకు దారితీస్తాయి. లోతులేని కొండచరియలను ప్రేరేపించే చాలా కారకాలు స్థానికంగా ఉంటాయి మరియు పెద్ద ప్రమాణాల వద్ద అధిక స్థాయి అనిశ్చితితో మాత్రమే మ్యాప్ చేయబడతాయి. ఈ పని బఫర్ మరియు థ్రెషోల్డ్ టెక్నిక్‌లను ఉపయోగించి పెద్ద ప్రాంతాలను తగ్గించడానికి మరియు స్థానిక ప్రమాణాల వద్ద వాలు అనిశ్చితులను తగ్గించడానికి వాలు అస్థిరతను గుర్తించే ప్రయత్నాన్ని అందిస్తుంది, తర్వాత రెండవ దశలో, లాజిస్టిక్ రిగ్రెషన్ పెద్ద ప్రమాణాల వద్ద గ్రహణశీలతను గుర్తించడానికి ఉపయోగించబడుతుంది. ASTER GDEM V2 వాలు మరియు బఫర్ విశ్లేషణ యొక్క టోపోగ్రాఫికల్ క్యారెక్టరైజేషన్ కోసం ఉపయోగించబడుతుంది. కాంటినెంటల్ యునైటెడ్ స్టేట్స్ కోసం సమగ్ర ల్యాండ్‌స్లైడ్ ఇన్వెంటరీలో జాబితా చేయబడిన 230 నిస్సార వర్షపాతం-ప్రేరిత కొండచరియల కోసం నాలుగు స్టాటిక్ పారామితులు (వాలు కోణం, నేల రకం, ల్యాండ్ కవర్ మరియు ఎలివేషన్) పరిశీలించబడ్డాయి. వాలు థ్రెషోల్డ్‌ల గణాంక విశ్లేషణను సులభతరం చేసే ప్రతి కొండచరియలు విరిగిపడే సంఘటన చుట్టూ 5, 25 లేదా 50 కిమీకి సమానమైన డీలిమిటింగ్ బఫర్ సృష్టించబడుతుంది. పిక్సెల్ పాయింట్లు 50, 75, 95, 99 వద్ద స్లోప్ యాంగిల్ థ్రెషోల్డ్‌లు మరియు గరిష్ట పర్సంటైల్‌లు ఒకదానితో ఒకటి పోల్చబడతాయి మరియు లాజిస్టిక్ రిగ్రెషన్ వాతావరణంలో ఉత్తమంగా సరిపోయేలా పరీక్షించబడతాయి. 75-శాతం థ్రెషోల్డ్ కంటే తక్కువ విలువలు 35° కంటే ఎక్కువ వాలులను చేర్చకపోవడం ద్వారా గ్రహణశీలమైన వాలు కోణాలను తప్పుగా సూచిస్తాయని నిర్ధారించబడింది. 99 పర్సంటైల్ స్లోప్ యాంగిల్ థ్రెషోల్డ్‌ని ఉపయోగించినప్పుడు ఉత్తమ శ్రేణి వాలు కోణాలు మరియు రిగ్రెషన్ ఫిట్‌ని సాధించవచ్చు. ఫలితంగా లాజిస్టిక్ రిగ్రెషన్ మోడల్ 97.2% ఖచ్చితత్వంతో అత్యధిక సంఖ్యలో కేసులను సరిగ్గా అంచనా వేస్తుంది. లాజిస్టిక్ రిగ్రెషన్ మోడల్ అన్ని వేరియబుల్స్ వాటి సంబంధిత కోఎఫీషియంట్స్ ఆధారంగా ప్రాసెస్ చేయబడే ఆర్క్‌జిఐఎస్‌కి తీసుకువెళతారు. కాంటినెంటల్ యునైటెడ్ స్టేట్స్ కోసం ప్రాంతీయ ల్యాండ్‌స్లైడ్ ప్రాబబిలిటీ మ్యాప్ రూపొందించబడింది మరియు అందుబాటులో ఉన్న ల్యాండ్‌స్లైడ్ రికార్డ్‌లు మరియు వాటి ప్రాదేశిక పంపిణీలకు వ్యతిరేకంగా విశ్లేషించబడుతుంది. భవిష్యత్తులో అవపాతం వంటి డైనమిక్ పారామితులను మరియు మట్టి తేమ వంటి ఇతర ప్రాక్సీలను మోడల్‌లో చేర్చడం ఖచ్చితత్వాన్ని మరింత మెరుగుపరుస్తుందని భావిస్తున్నారు. కీవర్డ్లు: నిస్సారమైన కొండచరియలు; వాలు అస్థిరత; థ్రెషోల్డ్ విశ్లేషణ; లాజిస్టిక్ రిగ్రెషన్; ప్రాంతీయ విశ్లేషణ; GIS; రిమోట్ సెన్సింగ్ పరిచయం వర్షపాతం వల్ల కొండచరియలు విరిగిపడటం అనేది వాలుగా ఉన్న భూభాగాలపై తరచుగా జరిగే సహజ ప్రమాదాలలో ఒకటి. అవి సాధారణంగా ప్రపంచవ్యాప్తంగా గొప్ప ఆర్థిక నష్టాలు మరియు మరణాలకు దారితీస్తాయి. ప్రపంచవ్యాప్తంగా 2004 మరియు 2010 మధ్య కనీసం 32,322 మరణాలు నమోదయ్యాయి [1] మరియు యునైటెడ్ స్టేట్స్‌లో మాత్రమే, కొండచరియలు విరిగిపడటం వలన ప్రతి సంవత్సరం సగటున $1-2 బిలియన్ల నష్టం మరియు 25 కంటే ఎక్కువ మరణాలు సంభవిస్తాయి [2]. ఈ విధ్వంసకర సంఘటనల అనంతర పరిణామాలను అర్థం చేసుకోవడం, మ్యాపింగ్ చేయడం, మోడలింగ్ చేయడం మరియు నిరోధించడం ఒక ముఖ్యమైన శాస్త్రీయ మరియు కార్యాచరణ ప్రయత్నాన్ని సూచిస్తుంది [3]. "ల్యాండ్‌స్లైడ్" అనే పదం రాతి, భూమి మరియు శిధిలాలు లేదా వీటి కలయికతో కూడిన వాలు-ఏర్పడే పదార్థాల యొక్క క్రిందికి మరియు వెలుపలి కదలికను వివరిస్తుంది [4].కొండచరియలు అనేక స్టాటిక్ మరియు డైనమిక్ కారకాల సంక్లిష్ట పరస్పర చర్యపై ఆధారపడి ఉన్నప్పటికీ [5-7] వాలు కోణం స్లైడింగ్‌కు వాలు యొక్క గ్రహణశీలతపై గొప్ప ప్రభావాన్ని చూపుతుంది. వాలుపై పదార్థ పంపిణీ ఏకరీతిగా మరియు ఐసోట్రోపిక్ [5] అయినప్పటికీ, పెరిగిన వాలు కోణం సాధారణంగా విఫలమయ్యే సంభావ్యతతో పరస్పర సంబంధం కలిగి ఉంటుంది. నిస్సందేహంగా, కొండచరియలు విరిగిపడే ప్రమాదం యొక్క విశ్లేషణకు అనేక ఇతర పారామితులు అవసరం. ఉదాహరణకు, అటవీ నిర్మూలన, అటవీ చెట్లను నరికివేయడం, రహదారి నిర్మాణం, సాగు మరియు నిటారుగా ఉన్న వాలులలో అగ్ని వంటి భూ వినియోగం మరియు భూ విస్తీర్ణంలో మార్పులు కొండచరియల కార్యకలాపాలపై గణనీయమైన ప్రభావాన్ని చూపుతాయి [8]. అదనంగా, అటవీ వృక్షసంపద