Assessment of a SIFT-based DEM extraction approach using GEOEYE-1 satellite stereo-pairs in flood mapping of an ungauged basin
Notice bibliographique
Résumé
A module for Digital Elevation Model (DEM) extraction from Very High Resolution (VHR) satellite stereo-pair imagery is developed and used for a flood plain mapping applications at an ungauged basin. A procedure for parallel processing of cascading image tiles is used for handling the large datasets requirements of VHR satellite imagery. The Scale-Invariant Feature Transform (SIFT) algorithm is used to detect potentially homogeneous features in the members of the stereo-pair. The resulting feature pairs are filtered using the RANdom SAmple Consensus (RANSAC) algorithm by using a variable distance threshold. Finally, homogeneous pairs are converted to point cloud ground coordinates for DEM generation. A 0.5 m × 0.5 m Geoeye-1 stereo-pair acquired over an area of 25 km2 in the island of Crete, Greece is used as input for the module. The resulting 1.5 m × 1.5 m DEM has superior detail over previously developed 2 m and 5 m DEMs that are used as reference, and yields a Root Mean Square Error (RMSE) of about 1 m compared to ground truth measurements. 1D and 2D hydraulic models are used to simulate the rainfall-runoff characteristics and the flood wave kinematics, of the flash flood event of October 17th, 2006 that occurred in Almirida basin, by using the 1.5 m VHR-DEM as an input. Results show that the hydraulic simulation based on the generated VHR-DEM, calibrated and validated via field data, produces an accurate extent and water level of the flooded area, proving that Remote Sensing stereo reconstruction is a promising alternative to the traditional survey methods in flood mapping applications.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».