Landslide Susceptibility Assessment for Highway in Bhutan

Sangey Pasang, Ph.D.

Doctoral thesis

Abstract:

Silnice v horských oblastech jsou v důsledku členitého okolního reliéfu náchylné k svahovým deformacím. Intenzita sesuvů je dále umocňována několika dalšími přírodními a antropogenními faktory podél komunikace. Většina sesuvů v silničních koridorech je doprovázena uzavírkami silnic a v extrémních situacích dokonce částečným nebo úplným zničením silničních úseků. Bhútán, hornatá země ve východních Himálajích, se při přepravě zboží a služeb spoléhá pouze na svoji silniční síť. Pokud dojde k sesuvu po celé délce silnice, nastane zásadní narušení dopravního systému, což má za následek úplné odříznutí oblastí od zbytku země. Proto stavební inženýři a plánovači řeší náročný úkol, jak navrhnout nové komunikace tak, aby se vyhnuli oblastem náchylným k sesouvání, a také jak ohodnotit možnost výskytu sesuvů ve stávajících silničních koridorech. K samotnému vzniku daného problému přispěla nedostatečná technická odbornost a zejména omezený přístup k datům a technologickým nástrojům. S rozvojem geoinformatiky a snadnějším přístupem k datům dálkového průzkumu a digitálním informacím však v posledních letech přibývají studie o hodnocení sesuvů půdy v Bhútánu. Hodnocení sesuvů půdy zahrnuje mapování výskytu sesuvů, které je následně ověřováno pomocí modelů a terénních průzkumů. Mapování sesuvného nebezpečí, rizika sesuvů a náchylnosti k sesouvání se provádí za účelem pochopení a předvídání výskytů a rizik spojených se svahovými pohyby. Mapa náchylnosti území k sesouvání představuje oblasti pravděpodobných lokalit pro výskyt jevu a je vytvořena pomocí geografických informačních systémů a ověřena prostřednictvím modelů. Vybrané modely založené převážně na statistických metodách a umělé inteligenci se nyní běžně používají k předpovídání interakce příčinných faktorů sesuvů půdy. Předložená dizertační práce se zaměřuje na tvorbu map náchylnosti území k sesouvání v silničním koridoru v Bhútánu. Na základě rešerše byly vybrány následující příčinné faktory ovlivňující sesuvy: blízkost silnice, sklon svahu, nadmořská výška, litologie, krajinná pokrývka, blízkost zlomové linie, orientace svahu, přítomnost vegetace a vzdálenost od říční sítě. K výpočtu a ověření vah vybraných příčinných faktorů sesouvání v silničních koridorech byly použity statistické metody a metody strojového učení (Information value, Weight of evidence, Logistic regression, Random Forest), které byly následně validovány. Jako hlavní faktory výrazně přispívající ke vzniku sesuvu byly na základě výše uvedených metod identifikovány úhel sklonu svahu, nadmořská výška a blízkost zlomové linie. Mapy náchylnosti území k sesouvání generované ve studované oblasti obecně ukazují, že území lze funkčně kategorizovat jako zóny od velmi nízké až po velmi vysokou náchylnost. Zejména hlavní oblast v jižním Bhútánu byla identifikována jako velmi náchylná ke vzniku sesuvů kvůli vysokému sklonu svahů v regionu a přítomnosti četných zlomovým liniím. U modelů byla ověřena významnost výsledků pomocí hodnocení oblasti pod křivkou na tréninkových a zkušebních vzorcích. Všechny modely dosáhly více než 72% plochy pod křivkou, což indikuje platnost modelu. Modely využívající Information value a model náhodného rozhodovacího lesa fungovaly pro hodnocení náchylnosti území k sesouvání lépe než ostatní modely. Výkon byl také ověřen srovnáním výskytu zkušebního terénního vzorku sesuvů s modelovými mapami náchylnosti k sesouvání. Většina terénních vzorků spadala do zón vysoké a velmi vysoké náchylnosti k sesouvání, což potvrzuje dobrý výkon modelu. Z případových studií lze soudit, ž

Abstract:

e mapy náchylnosti území k sesouvání, které lze vytvořit výše uvedenými metodami, je možné použít ke správě datových zdrojů, prevenci a mitigaci sesouvání v silničních koridorech v Bhútánu.

Abstract:

Mountainous roads by the nature of the topography are prone to landslides which are further aggravated by a few other natural and anthropogenic factors along a road. Most landslides along a road are accompanied by road blockages, and in extreme situations, partial or complete failure of the road sections are not uncommon. Bhutan, a mountainous country in the eastern Himalayas relies solely on its road transport network for the flow of goods and services. When a landslide occurs along a road length, there will be a major disruption in the transportation system resulting in an area getting completely cut off from the rest of the nation. Therefore, the road engineers and planners face an uphill task to select a road alignment to avoid landslide-prone areas as well as to assess landslide occurrences on an existing road. Lack of technical expertise and access to data and technological tools has contributed to the problem. But with the growth of Geoinformatics and easier access to remote sensing data and digital information, studies on landslide assessments in Bhutan has been increasing in recent months. Landslide assessment consists of landslide mapping validated with models and field investigations. Landslide hazard, landslide risk, and landslide susceptibility mappings are carried out to understand and predict the occurrences and risks associated with a landslide event. Landslide susceptibility map represents the area of probable locations for occurrence of landslide and are developed in GIS platform and validated using models. These models based mostly on statistical methods and artificial intelligence are now commonly adopted to predict the interaction of the causative factors of a landslide. In this thesis, the focus is to generate landslide susceptibility maps along a road corridor in Bhutan. The causative factors considered were proximity to road. slope angle, elevation, lithology, land cover, fault line, slope aspects, vegetation and, proximity to drainage. The models such as Information Value, Weight of Evidence, Logistic regression, and Random Forest were used to compute the contributing weight of the several causative factors to landslide inventories along a highway. Few causative factors such as slope angle, elevation, and fault lines were prominently higher contributors to the landslide occurrence in comparison to other factors. In general, the landslide susceptibility maps generated in the study area shows that the area can be categorised as very low, low, moderate, high, and very high susceptibility zones. In particular, a major region in southern Bhutan was identified under the very high landslide susceptible zone due to the region’s high degree of slope angle and the frequent fault lines. The models were validated for their performance using the area under the curve of the receiver operating characteristic on training and test samples. All the models achieved more than 72% area under the curve which indicates model validity. The information value and the random forest model performed better than the other models in developing a reliable landslide susceptibility map. The performance was also measured by overlying the test landslide sample on the generated landslide susceptibility maps. The majority of the landslide test samples fell within the high and very high landslide susceptibility zones, which shows good performance of the model. From the case studies, we conclude that the landslide susceptibility map that can be produced from various methods can be used for managing resources in the prevention and mitigation of landslides along highways in Bhutan.

Keywords

Landslide susceptibility map, Geographic Information System, Road corridor, Information value, Weight of evidence, Logistic regression, Random Forest.

Language used: English

Date on which the thesis was submitted / produced: 16. 9. 2021

Thesis defence

• Date of defence: 12. 1. 2022
• Supervisor: prof. RNDr. Petr Kubíček, CSc.
• Reader: doc. RNDr. Karel Kirchner, CSc., doc. RNDr. Vilém Pechanec, Ph.D.

Masaryk University

Faculty of Science

Doctoral programme / field:
Cartography, geoinformatics and remote sensing / Cartography, geoinformatics and remote sensing