Genito, Andrea (2016) Analisi della qualità delle carte della suscettività da frana a grande scala topografica implementando algoritmi ad apprendimento automatico e l’analisi spaziale. [Tesi di dottorato]

[img]
Preview
Text
PhD_andrea_genito.pdf

Download (43MB) | Preview
[error in script] [error in script]
Item Type: Tesi di dottorato
Lingua: Italiano
Title: Analisi della qualità delle carte della suscettività da frana a grande scala topografica implementando algoritmi ad apprendimento automatico e l’analisi spaziale
Creators:
CreatorsEmail
Genito, Andreagenito.a@gmail.com
Date: 31 March 2016
Number of Pages: 130
Institution: Università degli Studi di Napoli Federico II
Department: Scienze della Terra, dell'Ambiente e delle Risorse
Scuola di dottorato: Scienze della terra
Dottorato: Scienze della Terra
Ciclo di dottorato: 24
Coordinatore del Corso di dottorato:
nomeemail
Boni, Mariaboni@unina.it
Tutor:
nomeemail
Nardi, GiuseppeUNSPECIFIED
Calcaterra, DomenicoUNSPECIFIED
Date: 31 March 2016
Number of Pages: 130
Uncontrolled Keywords: Geoinformatica, Machine Learning, SVM, GIS, Geologia Applicata, Suscettività da frana, Carte del Rischio.
Settori scientifico-disciplinari del MIUR: Area 04 - Scienze della terra > GEO/05 - Geologia applicata
Date Deposited: 08 Apr 2016 12:06
Last Modified: 02 Nov 2016 12:57
URI: http://www.fedoa.unina.it/id/eprint/10959

Abstract

The Autorità di Bacino is the Italian agency in charge of landslides prevention. It is responsible for redacting the P.S.A.I. (Piani Stralcio per L’Assetto Idrogeologico) and to guarantee its updates through landslide reshaping survey. This is undertaken through reporting submitted from the local authorities within the relevant drainage basin. The objective of this research is to optimize the landslide susceptibility assessment in the P.S.A.I. redacting and their updates. The Autorità di Bacino implement the susceptibility assessment of landslide events through GIS technologies, employing spatial analysis techniques based on Boolean algebra (overlay). This study proposes a new methodology to improve the resolution (quality) of the landslide susceptibility, based upon the Machine Learning Approach. This new methodology has been labelled Geo-S.Co.Ma.L. and was realised using the SVM algorithm, on which geological constraints) were applied by means of geoprocessing techniques. Through the comparisons of different releases of the ex AbiSele P.S.A.I., the Geo-S.Co.Ma.L. methodology appears to be capable to foresee a higher number of landslide events than the Boolean algebra, and thus to calculate the landslide susceptibility with greater detail.

Actions (login required)

View Item View Item