THALWEG DETECTION FOR RIVER NETWORK CARTOGRAPHY IN FOREST FROM HIGH-RESOLUTION LIDAR DATA
Notice bibliographique
Résumé
Abstract. This paper addresses the problem of extracting the drainage network in forested areas. A precise description of the drainage network including intermittent streams is required for the planning of logging operations and environmental conservation. LiDAR provides now high-resolution point clouds from which the terrain is modelled and the drainage extracted but it also brings some challenges for traditional approaches. First, the raster DTM is interpolated from LiDAR ground points and has to be split in tiles for processing, adding approximations. Second, drainage enforcement techniques alter the terrain and rely on parameters difficult to fix and limiting the optimisation of the process. In this context, we discuss a new approach aiming at: (1) Designing a data structure to model the terrain with a Triangulated Irregular Network in order to avoid interpolation. This data structure must enable the distribution of data and processes across several nodes in Big data architectures and eventually, the processing of complete watersheds with no tiling. (2) Modelling the river network through thalwegs and avoiding the filling and breaching operations. Thalweg detection is more robust, removing the need for filling and breaching. However, it yields a very dense network requiring a simplification step. Combining this model and the architecture will enable the design and modelling of a new tool for river network computation directly from LiDAR ground points. In this paper, we mainly discuss the second point and propose to model the drainage by a network of thalwegs computed from the terrain. Thalwegs are extracted from the surface network, a topological structure formed of peaks, pits and saddles as vertices and ridges and thalwegs as vertices. We present preliminary results comparing the thalweg network and the drainage network.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».