Engineering geological characterization of the 2014 Jure Nepal Landslide: An Integrated Field, Remote Sensing-Virtual/Mixed Reality Approach
Notice bibliographique
Résumé
Characterization of unstable rock slopes can pose a high level of risk toward the geoscientist/engineer in the field due to inaccessibility and safety issues. During recent decades, rapidly developing remote sensing (RS) techniques, including Terrestrial Laser Scanning (TLS), Terrestrial Digital Photogrammetry (TDP), and Unmanned Aerial Vehicle Structure-from-Motion (UAV-SfM) are being progressively employed for landslide investigation and risk assessment. These methods allow acquisition of three-dimensional (3D) data sets from previously inaccessible terrain with sub-centimeter accuracy. This research describes an innovative approach to investigate the preliminary engineering geological characterization of a large (~5.5 Mm3), destructive landslide that occurred on August 2nd, 2014 near Jure in Sindhupalchok, ~70 km northeast of Kathmandu, Nepal. Various methods have been employed including traditional field surveys, RS techniques and preliminary 2D/3D numerical modelling with the objective of understanding conditioning factors, slope failure mechanisms, and identifying/mitigating future hazards at the site. With four years of RS data, analysis of strength degradation and progressive weakening of the rock mass is investigated by linking process of erosion and deposition using 3D change detection algorithms. The slope is still potentially in an unstable state, undergoing progressive rockfalls/slides with the most recent major event (~20,000 m3) in August 2017. Results throughout this thesis, including 2D/3D rock engineering mapping and modelling have been integrated into an interactive 3D Virtual/Mixed Reality (VR/MR) Jure Landslide geodatabase model, enabling an immersive and enhanced engineering 3D geovisualization experience. A comparative 2D/3D, and VR/MR rockfall simulations has been undertaken and developed within an augmented reality Microsoft HoloLens. Moreover, this thesis concludes on how VR/MR techniques can be employed to conduct discontinuity mapping on virtual outcrops and provide a game-changing way that geoscientists can communicate landslide investigation and risk assessment in all stages of rock engineering.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».