Spatial organization of process domains in headwater drainage basins of a glaciated foothills region with complex longitudinal profiles
Notice bibliographique
Résumé
Lithologic transitions and glaciations create complex longitudinal profiles that control contemporary erosion and deposition processes. In areas with these characteristics, traditional morphometric approaches for predicting process domains, such as area‐slope plots, can be augmented by considering other predictors measured from high resolution lidar‐derived digital elevation models (DEMs). Ordinal logistic regression was used to model the distribution of hillslope, swale, colluvial channel, and fluvial channel domains, as identified during field surveys. The study area was a glaciated region of the Rocky Mountain foothills with a complex lithostructural setting. Relationships between domains and a suite of geographic information system–derived descriptors were explored. Predictors included profile anomalies measured at the reach and basin scale using a normalized stream length–gradient (SL/k) index. Drainage area was the dominant factor controlling domains. A model with area as the only predictor was 82% accurate. Reach slope relations were not consistent. A model that also included lithology and basin‐scale SL/k index variation was 87% accurate. Domain transitions had larger area thresholds in basins with resistant conglomerate versus sandstone or shale formations and where SL/k index was more variable along a profile. In a restricted model of hillslope, swale, and colluvial channel domains, profile curvature measured over 100 m was also related to domain occurrence. A model for regional‐scale mapping applications with six additional predictors was 95% accurate. The results showed that ordinal logistic regression can be used to predict and map process domains in regions with complex physiography using descriptors measured from high ‐resolution DEMs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».