A Comparison of Data Sources for Manual and Automated Hydrographical Network Delineation
Notice bibliographique
Résumé
This study was conducted to evaluate the accuracy of hydrological stream networks derived from two digital elevation models (DEM) and two remote sensing images for a tributary of the Frenchman River in southwest Saskatchewan. This project also provides practical insight into the use of Indian Remote Sensing (IRS) Satellite imaging for hydrological network delineation. IRS images and orthophotographs were used for manual network delineation. Canadian Digital Elevation Data (CDED) and a digital elevation model (DEM) constructed from point and line elevation information from the orthophotographs were used for automated network delineation in program TOPAZ (TOpographic PArameteriZation). Each delineated network was compared with the same National Topographic Series (NTS) blue-line network, as it was assumed the NTS network was the most accurate available representation of the actual drainage network. The networks were compared by visual overlay, Kappa Index of Agreement (KIA) and network statistics such as bifurcation and stream length ratios. The IRS, orthophotograph, and CDED networks were suitable data sources for network delineation, whereas the ortho DEM was not. The major differences between the networks were in the first order streams with consequent effects on higher order streams. First order streams are difficult to delineate in a consistent and accurate manner in a digital environment because of the nature of data sources and differences in the computation processes. As a result, it is concluded that field surveys should be considered in conjunction with digital manipulation for the accurate classification of first order streams.
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 | 0,013 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».