Landslides Kosñipata Valley, Peru (Clark et al. 2016)
Notice bibliographique
Résumé
Please cite: Clark, K. E., West, A. J., Hilton, R. G., Asner, G. P., Quesada, C. A., Silman, M. R., Saatchi, S. S., Farfan Rios, W., Martin, R. E., Horwath, A. B., Halladay, K., New, M., and Malhi, Y. (2016), Storm-triggered landslides in the Peruvian Andes and implications for topography, carbon cycles, and biodiversity, Earth Surface Dynamics, 4, 47-70, doi: 10.5194/esurf-4-47-2016. Landslides within the Kosñipata Valley in Peru were manually mapped over a 25-year period from 1988 to 2012 using Landsat 5 (Landsat Thematic Mapper) and Landsat 7 (Landsat Enhanced Thematic Mapper Plus) satellite images. The landslide inventory was produced by manually mapping landslide scars and their deposits in ArcGIS and by verifying via ground truthing of scars in the field. Mapping involved visually comparing images from one year to the next, specifically evaluating contrasting colour changes that suggest a landslide had occurred. The landslide areas visible via spectral contrast in the Landsat images include regions of failure, run-out areas, and deposits. Pan-sharpened high-resolution Quickbird and Worldview images were used to define the landslide boundaries. Topographic shadow produced by hillslopes covered a minimum of 21% of the study area (35 km2 out of 185 km2), predominantly on southwest-facing slopes was consistently present between images. Landslides that fell within these shadow areas were not visible. Any landslides that were partially mapped underneath the Landsat topographic shadow were removed (see Figure 2a in Clark et al. 2016). This product was created by Kathryn Clark (kathryn.clark23@gmail.com). Other spatial datasets from Clark et al. (2016): Clark, K., J. West, R. Hilton (2017). Landsat topographic shadow, Kosñipata Valley, Peru (Clark et al. 2016), HydroShare, http://www.hydroshare.org/resource/bdb9c4b4788d4141845947c81e5cceba Clark, K., J. West, R. Hilton (2017). Region of landslide mapping, Kosñipata Valley, Peru (Clark et al. 2016), HydroShare, http://www.hydroshare.org/resource/c08742b733274f7dbf75891a7c185626 Clark, K., J. West, R. Hilton (2017). Landslide rates and hillslope turnover, Kosñipata Valley, Peru (Clark et al. 2016), HydroShare, http://www.hydroshare.org/resource/147e9ebecde442ed97738de7f404c057
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,014 |
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 ».