The identification of debris torrent basins using morphometric measures derived within a gis
Notice bibliographique
Résumé
The identification of drainage basins susceptible to debris torrents has advanced in a somewhat ad hoc fashion with a variety of morphometric measures being employed. This study reports on a systematic and automated approach using morphometric measures derived from a digital elevation model (DEM), namely the first and second deravitives of elevation, slope gradient, slope aspect, profile curvature, plan curvature and mean curvature. Descriptive statistics such as the mean, standard deviation, skewness and kurtosis are calculated within a geographic information system (GIS) and used to describe the frequency distribution of the morphometric measures within each basin. For comparison purposes, morphometric measures previously employed to identify debris torrent basins, such as Melton's basin ruggedness R, basin area, and an elevation‐relief ratio, are also included in the GIS database. Logistic regression and discriminant analyses indicate that the standard deviations of slope gradient and slope aspect are the strongest predictors of the variables tested. In comparison, Melton's R and basin area, although proving to be significant predictors and thereby supporting previous studies, are shown to be weaker than the two strongest DEM‐derived variables. The results suggest that important morphometric indicators of debris torrent activity can be derived from DEMs, thus providing a systematic basis for future research into the identification of debris torrent basins.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».