High‐Resolution Mapping of Wet Terrain within Discontinuous Permafrost using LiDAR Intensity
Notice bibliographique
Résumé
ABSTRACT Surface hydrology is an important aspect of northern environments on account of the thermal influence of water on permafrost. In this study, we demonstrate the ability of light detection and ranging (LiDAR) to map wet terrain within an area of discontinuous permafrost adjacent to the Northwest Territories Highway 3, located west of Yellowknife, Canada. Wet terrain was identified from LiDAR intensity measurements beneath forest canopies and across vegetated surfaces, including peatlands, fens, flooded black spruce and birch forests, and terrain adjacent to the highway embankment. Surface water pathways representing hydrological connections between water bodies and wet terrain were also identified at locations otherwise indiscernible from optical imagery. Statistical separability between terrain types, and thus the ability to map them, was improved by integrating LiDAR all‐return and bare‐earth intensity with colour orthophotos. The average classification accuracy for wet terrain was 93 per cent. These results indicate that LiDAR intensity can be used for local‐scale mapping of wet terrain, as required by northern engineers and scientists. Future integration of LiDAR intensity and elevation measurements may be used to assess changes in surface hydrological conditions impacting permafrost. Copyright © Her Majesty the Queen in Right of Canada 2012.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».