Morphologic characterization of upland depressional wetlands on the Des Moines Lobe of Iowa
Notice bibliographique
Résumé
An algorithm developed to identify, delineate, and derive the morphology of drained depressional features within a landscape was applied to the Iowa portion of the Des Moines Lobe (DML-IA) geomorphic sub-region of the Prairie Pothole Region of North America (PPR), using high resolution LiDAR derived Digital Elevation Models (DEMs). Nearly 240,000 unique upland depressions were identified and their individual morphologies determined. Testing of our algorithm against an algorithm designed to integrate over triangulated surface representations of 975 randomly selected depressions from the DML-IA dataset reveals that our computational process produces morphology results to within 0.3 and 2% of those obtained using the latter process, and is nearly 3 orders of magnitude faster. Maximum areas of inundation, maximum depths, and maximum storage volumes were determined to follow a power-law distribution. Maximum volume was determined to be strongly related to maximum area through a power-law model, the coefficients of which appear to vary significantly from other areas of the PPR, but are in close agreement with values obtained for small sub-areas of the DML-IA, and for a large river basin in North Saskatchewan, CN. While the majority (80%) of depressions within the DML-IA are less than 1 ha in area, these only comprise 9.8% of the total potential depressional storage and 25.6% of the total depressional wetland area of this landscape. More than half of the potential storage capacity is provided by depressions between 1 and 30 ha.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».