Objavljen znanstveni članak Sinčić et al.

U časopisu Remote Sensing objavljen je znanstveni članak izrađen u okviru projekta LandSlidePlan naziva „A Comprehensive Comparison of Stable and Unstable Sampling Strategies in Large-Scale Landslide Susceptibility Models Using Machine Learning Methods“. Autori članka su Marko Sinčić, Sanja Bernat Gazibara, Mauro Rossi, Martin Krkač i Snježana Mihalić Arbanas. U članku je prikazano osam različitih strategija za korištenje stabilnih i nestabilnih uzoraka terena u modelima podložnosti na klizanje. Istraživanje je provedene kao procjena podložnosti na klizanje u krupnom mjerilu na pilot području LandSlidePlan projekta tj. u Hrvatskom Zagorju. Koristeći četiri metode strojnog učenja, odnosno “Logistic Regression, “Neural Network”, “Random Forests” i “Support Vector Machine” dobivene su 32 karte podložnosti na klizanje koje su klasificirane na zone vrlo niske, niske, srednje, visoke i vrlo visoke podložnosti. Usporedbom parametara koji karakteriziraju svaku kartu donešeni su zaključci o prednostima i manama pojedine strategije uzorkovanja te metodi strojnog učenja.