Detailansicht
Spatial analysis and statistical modelling of landslide susceptibility
pitfalls and solutions
Stefan Steger
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Doktoratsstudium NAWI aus dem Bereich Naturwissenschaften (Dissertationsgebiet: Geographie)
Betreuer*in
Thomas Glade
Alle Rechte vorbehalten / All rights reserved
URN
urn:nbn:at:at-ubw:1-25683.38130.460659-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die Erstellung von räumlichen Gefährdungsmodellen für Rutschungen beruht in großflächigen
Untersuchungsgebieten häufig auf statistischen Verfahren. Quantitative Gütemaße werden laut
Literatur regelmäßig als primäres Entscheidungskriterium herangezogen, um Eingangsdaten und
Klassifikationsmethoden zu selektieren, sowie die Qualität und Verwendbarkeit der finalen
Gefahrenhinweiskarten abzuleiten. Die vorliegende Arbeit untersucht die Annahme, dass eine rein
quantitativ orientierte methodische Herangehensweise zu Fehlentscheidungen bei der
Modellgenerierung und schlussendlich zu geomorphologisch unplausiblen Gefahrenhinweiskarten
führen kann, besonders im Hinblick darauf, dass die zur Verfügung stehenden Eingangsdaten häufig
qualitative Mängel aufweisen.
Die Analysen dieser Dissertation bezogen sich auf verschiedene Untersungsgebiete im Osten
Österreichs (Niederösterreich), wobei zusätzlich auch synthetisch generierte Daten eingesetzt
wurden. In diesem Zusammenhang konzentrierten sich die Analysen auf den Einfluss von
lageungenauen und systematisch unvollständigen Rutschungsinventaren auf die Modellergebnisse.
Der methodische Rahmen umfasst einen systematischen Vergleich von Gefährdungsmodellen,
welche auf Basis von potentiell geeigneten, aber auch auf Basis von fehlerbehafteten Eingangsdaten
erstellt wurden, um die quantitative Modellreaktion und die damit verbundenen Fallstricke zu
erörtern. Die multiplen Sensitivitätsanalysen wurden sowohl mit statistischen
Klassifikationsverfahren (Fixed Effects und gemischte Modelle), als auch mit Techniken des
maschinellen Lernens durchgeführt. Die dadurch generierten quantitativen Ergebnisse wurden
kontinuierlich und aus verschiedensten Perspektiven evaluiert.
Hierbei konnte bestätigt werden, dass eine rein quantitative Modellerstellung zu fehlerhaften
Entscheidungen und geomorphologisch unplausiblen Gefahrenhinweiskarten für Rutschungen führen
kann. Basierend auf den Erkenntnissen dieser Analysen werden Strategien vorgeschlagen, welche (i)
fehlerbehaftete Modellergebnisse aufdecken können und (ii) dem Einfluss von lageungenauen und
systematisch verzerrten Rutschungsinventaren entgegenwirken können.
Abstract
(Englisch)
Statistical techniques are regularly applied to generate landslide susceptibility models for large areas.
Literature reveals that quantitative performance estimates, such as the predictive performance, are
routinely used as the primary criteria to select input data and classification methods, or to deduce the
quality and usability of the final landslide susceptibility maps. This thesis systematically explored the
assumption that a purely number-oriented approach can lead to erroneous decisions and implausible
landslide susceptibility maps, particularly with regard to a frequent unavailability of flawless input
data.
Analyses were performed for different areas located in eastern Austria (Lower Austria), utilizing
also artificially generated data sets. The investigation put a strong emphasis on a systematic
examination of the influence of positionally inaccurate and incomplete landslide inventories (slidetype
movement). The methodical framework comprised an in-depth comparison of multiple landslide
susceptibility models, which were generated with potentially adequate and inadequate input data to
gain insights into the models’ quantitative response and associated pitfalls. Numerous sensitivity
analyses were conducted with a variety of statistical (fixed effects and mixed effects models) and
machine learning techniques, while subsequent quantitative results were continuously evaluated from
various perspectives.
The findings of this thesis exposed, that a purely number-oriented approach can lead to wrong
decisions and geomorphically implausible landslide susceptibility maps. Based on these results,
strategies that can be used to (i) detect misleading modelling results and to (ii) counteract the effects
of landslide inventory-based errors are proposed.
Schlagwörter
Schlagwörter
(Englisch)
Mass movements landslides landslide susceptibility modelling statistical classification machine learning validation geomorphic plausibility error propagation Lower Austria Flysch Zone
Schlagwörter
(Deutsch)
Gravitative Massenbewegung Gefährdungsmodellierung für Rutschungen Statistische Klassifikationsverfahren Maschinelles Lernen Validierung Geomorphologische Plausibilität Fehlerfortpflanzung Niederösterreich Flysch
Autor*innen
Stefan Steger
Haupttitel (Englisch)
Spatial analysis and statistical modelling of landslide susceptibility
Hauptuntertitel (Englisch)
pitfalls and solutions
Publikationsjahr
2017
Umfangsangabe
IX, 239 Seiten : Illustrationen, Diagramme, Karten
Sprache
Englisch
Beurteiler*innen
Jean William Andre Poesen ,
José Luís Zêzere
Klassifikationen
38 Geowissenschaften > 38.09 Physische Geographie ,
74 Geographie > 74.30 Kartographie: Allgemeines
AC Nummer
AC13740676
Utheses ID
42395
Studienkennzahl
UA | 796 | 605 | 452 |