Evaluation of a multi-criteria GIS model of landslide susceptibility by examining public opinion: A case study of Međimurske gorice

Analize podložnosti klizištima imaju veliki značaj u prostornom planiranju i upravljanju rizicima od katastrofa. U ovom su radu utvrđene zone različite podložnosti klizištima korištenjem višekriterijskih GIS analiza na temelju morfometrijskih (nagib, ekspozicija i planarna zakrivljenost), geoloških (geološka građa i gustoća lineamenata), pedoloških (pedološki pokrov), hidroloških (udaljenost od vodenih tokova i TWI) i antropogenih (udaljenost od prometnica i način korištenja zemljišta) kriterija. Težinski su koeficijenti određeni AHP metodom, a GIS-MCDA model je reklasificiran u pet klasa: vrlo slabo podložno, slabo podložno, umjereno podložno, jako podložno, izrazito podložno. Provjera izlaznih rezultata izvršena je usporedbom dva izlazna modela s inventarnom kartom klizišta korištenjem ROC krivulje, a odabrani GIS-MCDA model je vrjednovan rezultatima ispitivanja javnog mnijenja. Višekriterijski GIS model podložnosti klizištima, kao izlazni rezultat istraživanja, pokazao je da klasa izrazito podložno zauzima 9,6 %, dok klasa jako podložno zauzima 21,6% područja istraživanja. Metodološki pristup korišten u ovom diplomskom radu može poslužiti kao temelj za nova istraživanja podložnosti klizištima na različitim prostornim razinama, ali i kao temelj za unaprjeđenje sustava prostornog planiranja i donošenja odluka u vidu sustava smanjenja rizika od katastrofa na području istraživanja.Landslide susceptiblity analysis is of a great importance in spatial planning and disaster risk management. In this thesis, zones of different landslide susceptibility were detected by multi-criteria GIS analysis (GIS-MCDA) using morphometric (slope, aspect and plan curvature), geologocial (lithology), pedological (soil type), hydrological (distance from streams and TWI) and antrophogenic (distance from roads and land use) criteria. Coefficients were weighted by the AHP method. GIS-MCDA model has been reclassified into five classes: very low susceptibility, low susceptibility, moderate susceptibility, high susceptibility and very high susceptibility. Two output models were verified by comparing the models with the landslide inventory map using the ROC curve, while the chosen model was evaluated by the results of the public opinion polls. The output GIS-MCDA model showed that the class of very high susceptibility occupies 9,6%, while the class of high susceptibility occupies 21,6% of the research area. The methodological approach used in this thesis can serve as a guide in landslide susceptibility research at different spatial levels, but also as a basis for improvement of spatial planning and decision-making system in terms of disaster and risk management