Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloLandslide Possibility Mapping Using Fuzzy Approaches
Anno di pubblicazione2008
Formato-
Autore/iK. Muthu, M. Petrou, C. Tarantino, P. Blonda
Affiliazioni autoriP. Blonda, CNR-ISSIA C. Tarantino, CNR-ISSIA K. Muthu, University of Surrey, London Prof. M. Petrou, Imperial College, London
Autori CNR e affiliazioni
  • CRISTINA TARANTINO
  • PALMA NICOLETTA BLONDA
Lingua/e
  • inglese
AbstractAbstract—This paper presents a fuzzy expert system for the creation of landslide possibility maps using change of land-use data from Earth observation, as well as historical, rainfall, and earthquake data stored in a geographic information system, as input. The difference with other systems is in the use of change (differential) input data. The method is tested with 16 documented landslides. The fuzzy neural network (NN) developed can predict the crowns of 13 out of the 16 landslides to be among the 5%most at-risk pixels that are identified in the area of study, which covers 100 km2. The fuzzy expert system considers the rules that increase the possibility of a landslide, as supplied by experts, and expresses them in the form of an empirical algebraic formula. It then fuzzifies the various thresholds they rely on and, in conjunction with uncertainties that are reported by the classifier that decides the land-use change, produces a fuzzy algebraic formula that may be used to identify the range of uncertainty in the possibility of a landslide in terms of the ranges of uncertainty in the input variables. This formula is used to train an Ishibuchi fuzzy NN, which has been designed to capture uncertainty in the rules and uncertainty in the input variables. It is this Ishibuchi NN that acts as a fuzzy expert system.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da1253
Pagine a1265
Pagine totali-
RivistaIEEE transactions on geoscience and remote sensing
Attiva dal 1980
Editore: Institute of Electrical and Electronics Engineers, - New York, N.Y.
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 0196-2892
Titolo chiave: IEEE transactions on geoscience and remote sensing
Titolo proprio: IEEE transactions on geoscience and remote sensing
Titolo abbreviato: IEEE trans. geosci. remote sens.
Titoli alternativi:
  • Institute of Electrical and Electronics Engineers transactions on geoscience and remote sensing
  • I.E.E.E. transactions on geoscience and remote sensing
  • Transactions on geoscience and remote sensing
Numero volume della rivista46
Fascicolo della rivista-
DOI10.1109/TGRS.2007.912441
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000254812000019)
Parole chiave-
Link (URL, URI)-
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • ISSIA — Istituto di studi sui sistemi intelligenti per l'automazione
Moduli/Attività/Sottoprogetti CNR
  • TA.P06.007.002 : Sistemi e modelli per l'estrazione dell'informazione da segnali ed immagini
Progetti Europei-
Allegati
articolo pubblicato (documento privato )
Tipo documento: application/pdf

Dati storici
I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
Area disciplinareEarth Sciences
Area valutazione CIVRIngegneria industriale e informatica
Rivista ISIIEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING [03091J0]
NoteThis work was supported by a Framework V EU project under Contract EVGI-CT-2001-000555. CNR-ISSIA was a partner of the project.
Descrizione sintetica del prodottoIl lavoro è da considerarsi l'output finale del progetto LEWIS finanziato dalla comunità europea nel 5° Programma Quadro. Il lavoro è il frutto di un grosso lavoro interdisciplinare. Il ruolo del CNR-ISSIA è stato quello di sviluppare tecniche per l'estrazione di informazione di "cambiamento" di uso del suolo da una serie storica di dati telerilevati Landsat. I changes sono stati ulitizzati in un modello per la previsione del rischio di frana.