Notice bibliographique
Résumé
The interaction between high relief, steep slopes, heavy precipitation, complex tectonic and geomorphic history, land uses, and the range of surficial deposits and bedrock can produce a variety of landslide types in many regions of the. In this paper, an effective approach is presented for the classification and mapping of terrain and landslide geohazards from stereo-pair air photographs, satellite imagery and benchmarking field studies in a region of mountainous terrain and discontinuous permafrost in Northwest Canada prone to earthquakes, mass wasting, wildfires and sensitive to the impacts of climate change. Digital terrain and landslide hazard maps and their accompanying geodatabases provide essential information for land management decisions regarding construction of pipelines, highways and settlements; evaluation of property rights decisions; extraction of fossil fuels, minerais, aggregates and groundwater; assessments of environmental risk and impact, ecological sensitivity and archaeological potential. GIS maps and geodatabases also provide calibration for future predictive landslide mapping and hazard analyses. Qualitative, semi-quantitative and quantitative analyses of landslide distribution, activity and density maps derived from terrain and landslide inventory geodatabases can improve the understanding of landslide processes in a region. Important outcomes that can be achieved through the use of geoscience databases, landslide hazard maps and related products include the attraction of new investment and reduction of risks for regional development. Outreach initiatives can also increase professional and public understanding and awareness of landslide hazards and related geoenvironmental issues.
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 | 0,003 | 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 ».