MétaCan
Menu
Retour à la cohorte
Enregistrement W2025099781 · doi:10.5539/mas.v3n1p81

Investigation of Differences of Topographical Map and GIS-derived Spatial Map with Actual Ground Data in Peninsular Malaysia

2008· article· en· W2025099781 sur OpenAlexvenueno aff
Mohd Hasmadi Ismail, J. C. Taylor

Notice bibliographique

RevueModern Applied Science · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Putra MalaysiaCranfield University
Mots-clésElevation (ballistics)Contour lineDigital elevation modelScale (ratio)Interpolation (computer graphics)Topographic map (neuroanatomy)Multivariate interpolationGeographic information systemRemote sensingField (mathematics)Spatial analysisCartographyGeologyStatisticsComputer scienceGeographyMathematicsArtificial intelligenceGeometryImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

In a geographical information system (GIS), digital maps usually used to show multiple views of geographical objects either through two-dimensional or three-dimensional, which topographical parameters are digitally generated. Digital maps are often used in extensively environmental application without quantifying the effect of their errors. This study was carried out to investigate the difference of elevation and slope of topographical map and GIS-derived spatial map with actual ground data. The analyses of differences were quantified from interpolation process, sampling and measurement in the field. The RMSE of the DEM creation for the test site was 0.62. The result was based on the 10 m DEM resolutions and 20 m contour interval. From the analysis of differences (elevation and slope) of topographical map and actual ground data, it’s showed that the difference is only about 2 % and 28%, respectively. The great differences on slope may be due to error during data collection by different enumerators and also inconsistent reading of slope measurement and target. Despite the difficulty occurs during ground data collection, estimation method was applied and this relatively simple procedure but appears acceptable in regard to sufficient data sets at nominal map scale 1:50000.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,510

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,047
Tête enseignante GPT0,208
Écart entre enseignants0,161 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207