Augmenting geological field mapping with real-time, 3-D digital outcrop scanning and modeling
Notice bibliographique
Résumé
Abstract Hand scanners are compact, lightweight, and capable of generating 3-D digital models. Although they do not compare to conventional methods (terrestrial laser scanning and photogrammetry) in terms of coverage, resolution, and accuracy, they offer increased mobility, speed, and real-time processing capabilities in the field. This study investigates the use of hand scanners for real-time, 3-D digital outcrop modeling to augment geological field mapping campaigns and highlights the advantages and the limitations. The utility of incorporating hand scanners as an additional tool for augmenting geological mapping is assessed based on 41 outcrop scans from the Gould Lake area, which is located 20 km north of Kingston, Ontario, Canada. The 3-D digital outcrop models gathered included two distinct metamorphic lithologies (marble and quartzofeldspathic gneiss) measuring up to 2.5 m high × 7 m long with an average surface area of 18 m2. This average scan size would take less than 10 min to capture, result in ~18 million individual points per scan, and provide a spatial resolution of ~1 cm for outcrop features. Throughout the course of the investigation, the main benefit of capturing multiple 3-D digital outcrop models was the ability to integrate this real-time, in situ geospatial, and geologic information across multiple visualization scales. This utility and retention of outcrop-scale geospatial information was shown to enhance the understanding of multi-scale geological relationships.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,002 | 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 ».