Average-DInSAR method for unstable escarpments detection induced by underground coal mining
Notice bibliographique
Résumé
A catastrophic rock avalanche from a tableland escarpment occurred at the Pusa village, Guizhou Province, southwest (SW) China, causing 35 fatalities and huge economic losses. The steep slope lies in the Longtan Formation coal-bearing shale of Permian, which is widely distributed in SW China. It was overlaid by brittle superstrata in Triassic and followed by gently anticline tectonic movement in Cenozoic, thus forming large-scale tableland escarpments with an “upper brittle, lower ductile” structure. Affected by underground coal mining activity at the base, this escarpment has become unstable and prone to failure. In order to further clarify the geological conditions and other influence factors for the Pusa landslide, we propose a newly improved multiple Differential Interferometric Synthetic Aperture Radar (DInSAR), named average-DInSAR, to detect the displacements on escarpments in a broad region. Extensive experimental results show that there existed obvious pre-failure displacements on the swarming escarpments, evidencing their unstable state, which were verified by field inspection. The spatiotemporal correlation analysis suggests that this abnormal deformation is probably induced by underground coal mining in the vicinity. Further confirming that the special geological conditions and nearby coal mining activity were responsible for the 2017 Pusa rock avalanche. Our study also demonstrates that the average-DInSAR method is simple and effective, which can overcome low coherence and noise of DInSAR, especially for shorter X- or C-band SAR data. Application of proposed method would permit to detect displacement before slope failure with higher re-visiting frequency, thus helping define early warning strategies for landslides in area with similar geological conditions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,001 |
| 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 ».