When image correlation is needed: combining very dense radar-amplitude and optical times series for unravelling the complex dynamics of a not so slow slow-moving landslide in the tropics
Notice bibliographique
Résumé
Slow-moving landslides exhibit persistent but non-uniform motion at low rates which makes them exceptional natural laboratories to study the mechanisms that control the dynamics of unstable hillslopes. Here we leverage 4.5+ years of satellite-based radar and optical remote sensing data to quantify the kinematics of a slow-moving landslide in the tropical rural environment of the Kivu Rift, with unprecedented high spatial and temporal resolution. We measure landslide motion using sub-pixel image correlation methods and invert these data into dense time series that capture weekly to multi-year changes in landslide kinematics. We cross-validate and compare our satellite-based results with very-high-resolution Unoccupied Aircraft System topographic datasets, and explore how rainfall, simulated pore-water pressure, and nearby earthquakes control the overall landslide behaviour. The landslide exhibited seasonal and multi-year velocity variations that varied across the landslide kinematic units. While rainfall-induced changes in pore-water pressure exerts a primary control on the landslide motion, these alone cannot explain the observed variability in landslide behaviour. We suggest instead that the observed landslide kinematics result from internal landslide dynamics, such as extension, compression, material redistribution, and interactions within and between kinematic units. Our study provides, a rare, detailed overview of the deformation pattern of a landslide located in a tropical environment. In addition, our work highlights the viability of sub-pixel image correlation with long time series of radar-amplitude satellite data to quantify surface deformation in tropical environments where optical data is limited by persistent cloud cover and emphasize the importance of exploiting synergies between multiple types of data to capture the complex kinematic pattern of landslides.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».