Could surface roughness be a poor proxy for landslide age? Results from the Swabian Alb, Germany
Notice bibliographique
Résumé
ABSTRACT The potential of surface roughness to quantify geomorphological landforms and processes has been enhanced with the availability of high‐resolution digital terrain models (DTM). Recent studies that attempt to identify landslide features with surface roughness have suggested that this measure of topographic heterogeneity may also be applied to estimate the relative age of landslides. This is a provisional study that explores the potential of this relationship by assessing the ability of surface roughness to act as a proxy for relative landslide age. The surface roughness for a set of 12 dated landslides in the Swabian Alb that occurred between 1789 and 1985 was calculated from a 1 m 2 spatial resolution LiDAR DTM with three algorithms: root‐mean‐square‐height (RMSH), standard deviation of slope (SDS), and direction cosine eigenvalue ratios (DCE). Scale‐dependence was analysed by calculating surface roughness for a range of moving window sizes (3 × 3, 5 × 5, 9 × 9 and 15 × 15), and surface roughness for each landslide was summarized by the median and upper quartile. Only weak correlations (best Spearman's rho 0.58) were present between landslide age and surface roughness. This correlation becomes weaker with increasing moving window size. Given weak observed associations and discussed challenges pertaining to the complexities of landslide morphology change over time, we currently find that surface roughness alone may not be justifiable to act as a proxy for landslide age for our study region. Furthermore, we recommend future studies should focus on addressing possible natural and anthropogenic factors such as land use change that may alter surface roughness. These studies may focus on one of the three roughness measures used here as they are strongly correlated. Copyright © 2014 John Wiley & Sons, Ltd.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».