Digital re‐evaluation of down‐dip channel‐fill architecture in deep‐water slope deposits: Multi‐scale perspectives from UAV‐SfM
Notice bibliographique
Résumé
Abstract Recent advances in sea floor measurements and modelling have revealed new insight into submarine channel processes; however, understanding how these short‐term perspectives influence long‐term evolution of submarine channels has been limited by the difficulty in linking processes to products in the stratigraphic record. Outcrops present opportunities to characterise the detailed internal architecture of deep‐water channel fills over a wide range of timescales, but obtaining observations is compounded by challenges in outcrop accessibility and perspective along broad exposures. To demonstrate the potential value of modern remote sensing techniques in supplementing fieldwork, an extensive dip‐oriented outcrop exposure of Cretaceous deep‐water channel deposits was re‐evaluated using a 3D digital outcrop model generated from uninhabited/unmanned aerial vehicle photogrammetry. Results confirmed previous field‐based documentation of depositional element‐scale stratigraphic architecture, but also revealed nuanced internal detail that was not captured from field‐based perspectives alone. Subtle internal channel‐fill architecture, including discontinuous sandstone wedges and the interpreted stratigraphic products of upslope‐migrating bedforms, are also recognised. This study demonstrates the sedimentary detail that can be uncovered by integrating conventional field‐based approaches limited by viewable scale, perspective, and/or accessibility, with emerging remote sensing techniques. The unmanned aerial vehicle photogrammetry approach used here provides valuable supplemental data in the investigation of deep‐water channel system deposits and has the potential to overcome inherent challenges in outcrop mapping for numerous applications.
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) | 0,003 | 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 ».