Rutschungserkennung mit Klassifikationssystemen am Beispiel Sachseln / Schweiz

Language
de
Document Type
Doctoral Thesis
Issue Date
2008-03-11
Issue Year
2007
Authors
Hamberger, Maik
Editor
Abstract

On August 15th, 1997 a thunderstorm, which had a total rainfall of 150 mm over a two hour period, was recorded in Central Switzerland and resulted in more than 700 soil slips and huge damages in the valleys of Sachseln and Melchtal. These soil slips were evaluated and analysed in the following years. The first results of the analysed soil slips highlighted that morphological, geotechnical, geological, hydrological and botanical factors have a crucial influence on the slope stability. Thus it was determined that the occurrence of a soil slip is not reliant on a single parameter, but rather on a set of parameters. Using three different classification methods - linear discriminant analysis, support vector machines and classification trees - the set of parameters that best separate soil slips areas from non-soil-slip areas were investigated, while at the same time attempting to find the simplest combination thereof. The results of the soil slip recognition demonstrate that it is possible to recognize, on the one hand, most of the soil slips (81 %) using different models and, on the other hand, up to 74 % of both soil slip cells and non-soil-slip cells (an important difference).

Abstract

Am 15. August 1997 verursachten Starkniederschläge mit einer Intensität von 150 mm in zwei Stunden mehr als 700 kleinflächige und flachschalige Rutschungen, die zu großen Vermurungen in den Talbereichen in der Umgebung von Sachseln und des Melchtales in der Schweiz führten. In den Folgejahren wurden im Rahmen verschiedener Projekte umfangreiche Aufnahmen durchgeführt, um den Einfluss verschiedener Parameter auf die Rutschaktivität eines Hanges zu ermitteln. Die Ergebnisse dieser ersten Evaluierung zeigten, dass die Rutschungen nicht durch einen Parameter - morphologischer, geotechnischer, geologischer, hydrologischer oder vegetationskundlicher Art -, sondern eine Kombination vieler Faktoren ausgelöst wurden. Mit drei unterschiedlichen Klassifikationsverfahren, der linearen Diskriminanzanalyse, den Support Vector Machines und den Klassifikationsbäumen, wurde versucht, Parameterkonstellationen zu finden, die effizient zwischen Rutschungsbereichen und Nichtrutschungsbereichen unterscheiden. Die Ergebnisse der durchgeführten Klassifikationen belegen, dass es zum einen möglich ist, einen Großteil (81 %) der Rutschungen mit verschiedenen Modellen zu erkennen, zum anderen aber auch die Möglichkeit besteht, nicht nur ca. 74 % der Rutschungen sondern ebensoviel Nichtrutschungen richtig zu klassifizieren.

DOI
Document's Licence
Faculties & Collections
Zugehörige ORCIDs