Determination of grid size for digital terrain modelling in landscape investigations—exemplified by soil moisture distribution at a micro-scale
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The central problem of a combined analysis of digital terrain models (DTMs) and other landscape data is determination of a DTM grid size (w) providing a correct study of relationships between topographic variables and landscape properties. Generally, an adequate w is determined by an expert estimate, and solutions are largely subjective. We developed an experimental statistical method to determine an adequate w for DTMs applied to landscape studies. The method includes the following steps: (a) derivation of a DTM set using a series of wi , (b) performance of a correlation analysis of data on a landscape property and a topographic variable estimated with various wi , (c) plotting of correlation coefficients obtained versus w, and (d) determination of smoothed plot portions indicating intervals of an adequate w. We applied the method developed to study the ifluence of topography on the spatial distribution of soil moisture (M) at a micro-scale. We investigated the dependence of M on gradient (G), horizontal (kh ), vertical (kv ), and mean (H) landsurface curvatures. For DTM derivation, we used 13 values of wi from 1 to 7m. An interval of adequate wi for M falls between 2.25 and 3.25m in the given terrain conditions. In absolute magnitudes, correlation coefficients are largest within this interval; correlation coefficients of M with G, kh , kv and H are 0.28, 0.52, 0.50 and 0.60, respectively, for w = 3m. The results obtained demonstrate that the method actually works to identify an adequate w at a micro-scale. The method developed allows estimation of an adequate area of landform which realise a topographic control of landscape properties.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle