MétaCan
Menu
Retour à la cohorte
Enregistrement W1505152330 · doi:10.1029/2005wr004648

Comparison of grid‐based algorithms for computing upslope contributing area

2006· article· en· W1505152330 sur OpenAlexfundno aff
Robert W. Malone, Timothy R. Green, Jorge A. Ramı́rez, Lee H. MacDonald

Notice bibliographique

RevueWater Resources Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésTerrainGridDigital elevation modelAlgorithmGlobal Positioning SystemGrid cellDivergence (linguistics)Regular gridGeologyComputer scienceMathematicsRemote sensingGeodesyGeographyCartography

Résumé

récupéré en direct d'OpenAlex

Terrain attributes based on upslope contributing area, A , are used widely in distributed hydrologic models. Several grid‐based algorithms are available for estimating A . In this study, five algorithms (D8, ρ 8, MFD, DEMON, and D∞) were compared quantitatively on two undulating agricultural fields (63 and 109 ha) in northeastern Colorado. Global positioning system (GPS) data (0.02‐m accuracy) were used to generate grid digital elevation models (DEMs) at 5‐, 10‐, and 30‐m cell sizes. Relative differences between A values estimated using single‐ and multiple‐direction algorithms increased with decreasing grid cell size. Relative differences were greatest along ridges and side slopes, and differences decreased where the terrain became more convergent. Multiple‐direction algorithms (MFD, DEMON, and D∞), allowing for flow divergence, are recommended on these undulating terrains for 5‐ and 10‐m grids where A is most sensitive to the algorithm selection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,364
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations154
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207