Je vais réaliser une analyse spatiale avancée et une modélisation prédictive

« Exemple d’un modèle de risque prédictif que j’ai généré en utilisant des données spatiales et l’algorithme de régression logistique (LoR). Cela montre ma capacité à traiter des données de terrain, à appliquer des modèles statistiques/apprentissage automatique, et à produire des cartes de risque prêtes à publication pour la gestion environnementale. »

Cette carte présente une zone d’analyse de susceptibilité aux glissements de terrain pour une région montagneuse, créée à l’aide de la méthode de régression logistique (LoR), une approche populaire d’apprentissage automatique/statistique en SIG.

Principaux éléments illustrés :

• Niveaux de susceptibilité aux glissements : La carte classe le terrain en cinq zones de risque distinctes selon un code couleur :
• Rouge (Très élevé) & Orange (Élevé) : Zones très vulnérables aux futurs glissements, principalement concentrées le long de pentes abruptes et de vallées.
• Jaune (Moyen) : Zones à risque modéré.
• Vert clair (Faible) & Vert foncé (Très faible) : Terrains sûrs et stables.
• Inventaire des glissements : Les points/patchs noirs représentent les emplacements historiques réels de glissements, utilisés pour entraîner et valider la précision prédictive du modèle.
• Éléments cartographiques : Composants standard d’une carte incluant une barre d’échelle (en kilomètres), une flèche d’orientation nord, et des coordonnées géographiques précises (grille de latitude/longitude).