Lo scopo di questo lavoro di tesi è la creazione di una mappa per la valutazione alla suscettibilità di frana per la regione Friuli-Venezia Giulia tramite analisi integrata di dati geologici e morfologici della zona. L’analisi è gestita ed elaborata tramite l’utilizzo del software QGIS, un software di tipo GIS (Geographic Information System) open-source, che permette l’analisi spaziale di dati e la creazione di mappe tematiche per temi spazialmente distribuiti. I dati ottenuti tramite analisi GIS sono stati analizzati tramite il modello di Machine Learning “Random Forest” e suddivisi in un set di training per l’addestramento del modello e un set di test per validare il modello stesso. Tramite questo modello matematico è possibile avere un algoritmo preciso e addestrabile che riesce a gestire una mole importante di dati mantenendo una buona efficienza statistica, previa attenta selezione dei parametri variabili. Infine, il risultato sarà una mappa tematica in cui saranno rappresentate aree con una maggiore o una minore suscettibilità di frana della zona considerata.

Valutazione della suscettibilità di frana della regione Friuli-Venezia Giulia

PATUZZO, RICCARDO
2022/2023

Abstract

Lo scopo di questo lavoro di tesi è la creazione di una mappa per la valutazione alla suscettibilità di frana per la regione Friuli-Venezia Giulia tramite analisi integrata di dati geologici e morfologici della zona. L’analisi è gestita ed elaborata tramite l’utilizzo del software QGIS, un software di tipo GIS (Geographic Information System) open-source, che permette l’analisi spaziale di dati e la creazione di mappe tematiche per temi spazialmente distribuiti. I dati ottenuti tramite analisi GIS sono stati analizzati tramite il modello di Machine Learning “Random Forest” e suddivisi in un set di training per l’addestramento del modello e un set di test per validare il modello stesso. Tramite questo modello matematico è possibile avere un algoritmo preciso e addestrabile che riesce a gestire una mole importante di dati mantenendo una buona efficienza statistica, previa attenta selezione dei parametri variabili. Infine, il risultato sarà una mappa tematica in cui saranno rappresentate aree con una maggiore o una minore suscettibilità di frana della zona considerata.
2022
Landslide susceptibility assessment of Friuli-Venezia Giulia region
Frana
Suscettibilità
Machine Learning
File in questo prodotto:
File Dimensione Formato  
Patuzzo_Riccardo.pdf

accesso aperto

Dimensione 17.06 MB
Formato Adobe PDF
17.06 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/55402