Microdrones in field-based structural geology: a photogrammetry and fracture quantification case study from the North Mountain Basalt, Nova Scotia, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Drone use in geoscience research and teaching is becoming widespread, with diverse applications documented. Many studies favour consumer-level drones, however, recent developments in so-called “microdrones” (takeoff weight < 250 g) necessitate further investigation to determine possible benefits, limitations, and future developments. Microdrone deployment is often advantageous in numerous jurisdictions due to fewer regulations, lower cost, and simple transportation. In this study, we deployed a DJI Mini 2 microdrone to study the ca. 201 Ma North Mountain Basalt (NMB) exposed in coastal outcrops along the Bay of Fundy, Nova Scotia, Canada. We report benefits of the microdrone as a field aid with three related approaches: (1) general site location and characterisation, (2) drone-based photogrammetry using ArcGIS Drone2Map, and (3) quantitative fracture mapping using FracPaQ. Application of these methods showed that microdrone-acquired imagery from the NMB exposures provides a valuable resource for interpretation post-fieldwork. The microdrone-derived data show two near-perpendicular fracture sets in the NMB: ∼NNE–SSW and ∼ESE–WNW, with some variation along the coastline. Overall, we determined that microdrones offer field-based geoscientists a valuable tool due to quick deployment, a simple image capture process and relatively straightforward data processing, and thus predict that this approach to enhancing fieldwork will continue to advance.
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.
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) | 0,000 | 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 découle