Integrated Use of Aerial Photographs and LiDAR Images for Landslide and Soil Erosion Analysis: A Case Study of Wakamow Valley, Moose Jaw, Canada
Notice bibliographique
Résumé
Urban parks and open spaces offer a unique setting that can play a vital role in improving health and quality of life in cities and towns, making cities more attractive places to live and work, and connecting residents to nature. Degradation of park facilities caused by natural processes or recreational activities requires continuous monitoring for efficient maintenance and management. Identification and continuous monitoring of areas prone to natural hazards such as landslides within an urban park are particularly important for public safety. Traditional techniques for identification and monitoring of such areas involving field surveys, being costly and time-consuming, cannot be used on a regular basis. This research explored the integrated use of aerial photographs and point cloud LiDAR data for identification of areas prone to landslide and soil erosion zones in an urban park and a conservation area known as Wakamow Valley, Moose Jaw, Saskatchewan, Canada. This study used the point cloud LiDAR of 2014 to develop a Digital Elevation Model (DEM) of the area. The accuracy of the DEM was validated through a series of well-distributed ground control points collected through a survey grade handheld GPS device. The areas prone to potential landslides and soil erosion were identified using slope analysis techniques. A typical criterion of areas having a slope greater than 35° was used for classification of potential hazardous zones. Geospatial information including land-cover, land-use, and trail system was extracted from a 2014 aerial photograph to create a base map. It has been estimated that 5.3 km along the banks of the Moose Jaw River and 8 km along the cliff of the canyon-shaped Wakamow Valley are under a possible threat of soil erosion and landslides. This portion of the valley was classified as high-risk for possible landslides and soil erosion.
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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».