A Simplification of Ria Coastline with Geomorphologic Characteristics Preserved
Notice bibliographique
Résumé
To meet the requirements of multi-scale mapping in maritime applications, marine charts need to be produced at various levels of detail (LOD) using map generalization. As a prominent geographic feature, the coastline has to be generalized considering the geomorphologic characteristics rather than from a pure geometric perspective. Morphologic and domain-specific constraints (e.g., safety) should be incorporated in designing a coastline generalization algorithm. Motivated by the generalization of ria coastlines, this article proposes a simplification algorithm that is specific to coastlines. An analysis of ria coasts results in several morphologic constraints that have to be satisfied in coastline generalization, such as the dendritic pattern of estuaries. To satisfy these constraints, a hierarchical estuary tree model is first established by Delaunay triangulation, which helps to represent the dendritic pattern of ria coastlines. Minor estuaries are then deleted to achieve a reasonable coastline simplification. To imitate manual generalization, an indicator is designed to calculate the importance of estuaries in a context dependent manner. By comparing with a well-known bend simply algorithm, we show that the presented method can maintain dendritic pattern of coastline and is free from self-intersection and also granted for navigation safety. This article also demonstrates that the proposed approach is applicable to coastlines in general.
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 | 0,000 | 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) | 0,003 | 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 ».