ADVANCEMENT, ASSESSMENT, AND APPLICATION OF NOVEL LANDSLIDE MONITORING TECHNOLOGIES
Notice bibliographique
Résumé
Slopes are often monitored by measuring deformation rates, or the factor of safety is estimated through the use of limit equilibrium stability models to evaluate the risk of failure. In this thesis, three novel landslide monitoring technologies are advanced, assessed, and applied using three strategically chosen field sites. Firstly, it was investigated if acoustic emissions (AE) could be used to measure the displacement of extremely slow-moving landslides. By installing a shallow and a deep AE sensor as well as a ShapeAccelArray (SAA) in a slope located in Peace River, Alberta, it was found that data from a shallow AE sensor allows noise to be filtered from the deep AE sensor data, and that smaller displacement rates than previously expected can be measured using an AE sensor. The second monitoring advance explored a method of measuring 3D slope displacement using digital image correlation (DIC) performed on hillshade images (image of shaded point cloud data). Through the use of synthetic movement tests and experimental data, it was found that 3D displacement can be measured using hillshade images at two different view angles and that small deformations leading to failure can be measured allowing the time to failure to be calculated. Thirdly, point cloud data produced from historical air photos was used to investigate whether historical slope profiles could be produced to serve as a quantitative baseline of historical landslide activity. This hypothesis was tested to investigate the impact of land-use change on retrogressive landslides occurring along a waterway. Natural revegetation of the area around the creek was observed to result in a significant decrease in the volume of landslide debris generated by geomorphic processes. Finally, back analyses were conducted to estimate the mobilised shear strength at failure through the use of monitoring data from two 3.5 metre high earth dams brought to failure. This unique dataset provided an assessment of the repeatability of the back analyses and showed that only a small component of apparent cohesion arises from a combination of dilation, unsaturated soil behaviour, or root reinforcement.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».