MétaCan
Menu
Retour à la cohorte
Enregistrement W2089610733 · doi:10.1002/hyp.8195

GIS‐evaluation of two slope‐calculation methods regarding their suitability in slope analysis using high‐precision LiDAR digital elevation models

2011· article· en· W2089610733 sur OpenAlexaff
Muhammad Irfan Ashraf, Zhengyong Zhao, Charles P.‐A. Bourque, Fan‐Rui Meng

Notice bibliographique

RevueHydrological Processes · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDigital elevation modelLidarWatershedTerrainElevation (ballistics)Remote sensingGeologyTopographic Wetness IndexPhotogrammetrySTREAMSErosionHydrology (agriculture)Environmental scienceGeomorphologyGeometryGeographyCartographyMathematicsComputer scienceGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Slope is a metric that is essential to describe surface hydrological processes, including overland flow, soil erosion, and sediment transport. Most commercial GIS have built‐in functions to calculate the slope from Digital Elevation Models (DEMs) by means of average neighbourhood methods that are appropriate for coarse‐resolution DEMs. Emergence of high‐resolution DEMs from LiDAR data creates a need to re‐assess the suitability of existing algorithms for calculating slope in hydrological applications. In this study, we investigate the properties of two different slope‐calculation methods: an average‐neighbourhood‐slope (ANS) and a downhill‐slope (DHS) method. Conceptually, the DHS method provides a more intuitive description of surface water‐flow characteristics in an uneven terrain. DEMs of five different types were used to evaluate the methods, namely a 1‐m and 10‐m resolution DEM interpolated from irregular elevation point‐data generated with conventional photogrammetric techniques, and a 1‐m, 5‐m, and 10‐m resolution DEM derived from LiDAR data. The slopes calculated were summarized for the entire watershed, along mapped streams, and within pre‐defined ‘stream buffers’. Slopes generated for the entire watershed with 1‐m resolution LiDAR DEM indicated that the ANS method on an average produced smaller slopes than the DHS method (0·64°). A similar trend was observed in stream buffers, with greatest slope differences (Δ S ) between methods within 20‐m buffers, when the 1‐m LiDAR‐based DEM was used (Δ S = 1·12°). In contrast, the ANS‐calculated slopes along mapped streams were generally larger than those calculated with the DHS method for LiDAR‐based DEMs (Δ S = 0·81°). The results from this study signal the need for caution when estimating slopes along streams from high‐accuracy, LiDAR‐generated DEMs. Copyright © 2011 John Wiley & Sons, Ltd.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,246
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,171
Tête enseignante GPT0,335
Écart entre enseignants0,164 · 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

Citations23
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetSoil erosion and sediment transportTravaux en français237 207