MétaCan
Menu
← Retour à la cohorte
Enregistrement W3043002694 · doi:10.5194/egusphere-egu2020-11161

Geology mapping with an emphasis on the Quaternary in the Swiss Prealps and Molasse Plateau

2020· article· en· W3043002694 sur OpenAlexaboutno aff
Valérie Baumann, Marc‐Henri Derron, Jean‐Luc Epard, Michel Jaboyedoff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyDigital elevation modelQuaternaryMolassePlateau (mathematics)BoreholeElevation (ballistics)BedrockGeomorphologyLidarGeochemistryPaleontologyRemote sensingGeometry

Résumé

récupéré en direct d'OpenAlex

The main goal of this project is to harmonise the different geological maps (scale 1:25.000) and to improve the Quaternary mapping of the region of “canton de Vaud” in Switzerland using a high resolution LiDAR digital elevation model, and geophysical or boreholes data. We present here the results for the geologic mapping of two test areas: one in the Prealps and the second in the Molasse Plateau. Detailed geological maps (scale 1:25.000) have been produced during the XX century for the whole region. During the last Late Glacial Maximum (LGM) the canton de Vaud area was covered by ice sheets, then soils and loose rock deposits were formed toward the end of ice age, however the Quaternary formations are sometimes not represented especially when their thickness is only of a few meters and the interpretation of geomorphologic features with aerial photographs was difficult in areas covered by forest. In recent years, the high-resolution digital elevation model derived from high resolution LiDAR data with the possibility to remove the trees in the forested areas offers the possibility to detect and interpret new morphologies. In this study, different LIDAR-derived hillshade maps have been used to improve the delimitation of bedrock and Quaternary formation through morphological feature analyse. Borehole data gave us fundamental data about geology and stratigraphy and field surveys were performed for selected places. Additionally, a terrain classification system first developed in Canada (Cruden and Thomson, 1987) was used to add information for each polygon like genetic material, surface expression, modifying processes and stratigraphic data. All the mapping was performed in a GIS (Geographic system information) environment. Detailed bedrock and Quaternary mapping will provide very good information for the management of the resources, land planning and geo-hazards. The additional information (terrain classification) for each polygon allow us to create different thematic maps starting from the geological map. Reference: Cruden, D. M., and S. Thomson. Exercises in terrain analysis. Pica Pica Press, 1987.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,246
Écart entre enseignants0,196 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeology and Paleoclimatology Research→Travaux en français237 207→