Analýza náchylnosti území Česka ke vzniku svahových deformací

Abstract

V rámci geověd je modelování velmi dynamicky rozvíjející se obor. V případě statistického modelování náchylnosti ke vzniku svahových deformací se sice jedná již spíše o tradičnější přístupy, nicméně i zde stále dochází k rozvoji složitějších statistických metod a jejich aplikaci na rozsáhlejší oblasti. Tento rozvoj je vázán zejména na stále výkonnější výpočetní kapacity i software. Tato diplomová práce v rešeršní části popisuje přístupy, které jsou používány k modelování náchylnosti ke vzniku svahových deformací. V části aplikační byly vytvořeny modely náchylnosti ke vzniku svahových deformací pro území Česka. Tyto modely byly vytvořeny pomocí logistické regrese, Bayesiánské statistiky a umělých neuronových sítí (ANN). Dále byly vytvořeny dva modely pomocí expertního přístupu. Všechny modely vychází z třinácti tematických vrstev. Jedná se o nadmořskou výšku, sklonitost svahů, inženýrskogeologické rajony, klimatické oblasti, roční průměrné srážky, topographic wettnes index (TWI), orientaci svahů, orogenetickou třídu, vzdálenost od potvrzeného zlomu, vzdálenost od vodního toku, relativní výškovou členitost, krajinný pokryv a tvar svahu. Modely vytvářené pomocí statistických přístupů byly vytvořené pomocí softwaru Orange. Pro jejich vytvoření byly použity data o známých svahových deformací z databází...

In geosciences modelling is rather quickly developing discipline. Statistical modelling of landslide susceptibility is relatively more traditional approach. Nevertheless, more complicated statistical methods are being developed and applied on larger areas. This development is caused especially by increasing computational capacity and software. This diploma thesis summarises existing statistical landslide susceptibility modelling approaches. In the following part, several landslide susceptibility models were created for the area of Czechia. These models were created using logistic regression, naive Bayes and artificial neural network (ANN). Additionally, two more models were created using expert driven approach. All models were made using thirteen conditioning factors, i.e.elevation, slope, engineering geological regions, climatic areas, mean annual precipitation, topographic wetness index (TWI), aspect, orogenetic class, distance from confirmed fault, distance from watercourse, internal relief, land cover and slope shape. Models driven by statistical approach were created using Orange software. Landslide inventories that were used for construction of all models are based on two databases: "Registr svahových nestabilit" and "Registr sesuvů-Geofond". Using validation by SRC, PRC and ROC curves...