Hyperspatial Remote Sensing of Channel Reach Morphology and Hydraulic Fish Habitat Using an Unmanned Aerial Vehicle (UAV): A First Assessment in the Context of River Research and Management
Notice bibliographique
Résumé
Abstract In this paper, we assess the capabilities of an unmanned/uninhabited aerial vehicle (UAV) to characterize the channel morphology and hydraulic habitat of a 1‐km reach of the Elbow River, Alberta, Canada, with the goal of identifying the advantages and challenges of this technology for river research and management. Using a small quadcopter UAV to acquire overlapping images and softcopy photogrammetry, we constructed a 5‐cm resolution orthomosaic image and digital elevation model (DEM). The orthomosaic was used to map the distribution of geomorphic and aquatic habitat features, including bathymetry, grain sizes, undercut banks, forested channel margins, and large wood. The DEM was used to initialize and run River2D, a two‐dimensional hydrodynamic model, and resulting depth and velocity distributions were combined with the mapped physical habitat features to produce refined estimates of available habitat in terms of weighted usable area. Based on 297 checkpoints, the vertical root‐mean‐squared error of the DEM was 8.8 cm in exposed areas and 11.9 cm in submerged areas following correction of the DEM for overprediction of elevations as a result of the refractive effects of water. Overall, we find several advantages of UAV‐based imagery including low cost, high efficiency, operational flexibility, high vertical accuracy, and centimetre‐scale resolution. We also identify some challenges, including vegetation obstructions of the ground surface, turbidity, which can limit bathymetry extraction, and an immature regulatory landscape, which may slow the adoption of this technology for operational measurements. However, by enabling dynamic linkages between geomorphic processes and aquatic habitat to be established, we believe that the advantages of UAVs make them ideally suited to river research and management. Copyright © 2014 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 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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 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 ».