MétaCan
Menu
Retour à la cohorte
Enregistrement W2922349802 · doi:10.1016/j.enggeo.2019.02.028

Detection and geometric characterization of rock mass discontinuities using a 3D high-resolution digital outcrop model generated from RPAS imagery – Ormea rock slope, Italy

2019· article· en· W2922349802 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEngineering Geology · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensUniversity of British Columbia, Okanagan CampusKelowna General HospitalUniversity of British Columbia
Organismes subventionnairesAdvanced Research Projects Agency
Mots-clésClassification of discontinuitiesPhotogrammetryPoint cloudGeologyRock mass classificationDiscontinuity (linguistics)OutcropRemote sensingDigital elevation modelLaser scanningArtificial intelligenceComputer scienceGeomorphologyGeotechnical engineeringLaserMathematics

Résumé

récupéré en direct d'OpenAlex

The use of a remotely piloted aircraft system (RPAS) and digital photogrammetry is valuable for the detection of discontinuities in areas where field mapping and terrestrial photogrammetry or laser scanner surveys cannot be employed because the slope is unsafe, inaccessible, or characterized by a complex geometry with areas not visible from the ground. Using the Structure-from-Motion method, the acquired images can be used to create a 3D texturized digital outcrop model (TDOM) and a detailed point cloud representing the rock outcrop. Discontinuity orientations in a complex rock outcrop in Italy were mapped in the field using a geological compass and by manual and automated techniques using a TDOM and point cloud generated from RPAS imagery. There was a good agreement between the field measurements and manual mapping in the TDOM. Semiautomated discontinuity mapping using the point cloud was performed using the DSE, qFacet FM, and qFacet KD-tree methods applied to the same 3D model. Significant discrepancies were found between the semi-automatic and manual methods. In particular, the automatic methods did not adequately detect discontinuities that are perpendicular to the slope face (bedding planes in the case study). These differences in detection of discontinuities can adversely influence the kinematic analysis of potential rock slope failure mechanisms. We use the case study to demonstrate a workflow that can accurately map discontinuities with results comparable to field measurements. The combined use of TDOM and RPAS dramatically increases the discontinuity data because RPAS can supply a good coverage of inaccessible or hidden portions of the slope and TDOM is a powerful representation of the reality that can be used to map discontinuity orientations including those that are oriented perpendicular to the slope.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,165
Écart entre enseignants0,156 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle