Performance of automated geoprocessing methods for culvert detection in remote Forest environments
Notice bibliographique
Résumé
Greater availability of digital elevation models (DEMs) derived from airborne light detection and ranging (LiDAR) has made it possible to map precisely hydrographic features such as streams over large watersheds. Road embankments are precisely detected, given that DEMs are especially accurate over open areas, while culverts are not. Consequently, mapped stream positions are often erroneous along and through these anthropogenic structures. The position of actual culverts is often imprecise, incomplete or unavailable for large territories; thus, there is a need to develop and evaluate automated methods to locate culvert positions by remote sensing. Six geoprocessing methods were tested and compared to field-based culvert positioning data gathered in forested areas. These methods rely on preprocessing of depressions, manipulation of road embankment elevation, or both. When exact locations of culverts were unknown, the ‘Breach Depressions’ algorithm (WhiteBox GAT) was most accurate in reducing omission and commission errors. Depending upon the expected stream flow regime, it was possible to reduce cumulative error from 10% to 30% by using this method compared to less effective methods. When exact locations of culverts were known, it was possible to reduce cumulative error from 20% to 45% by burning them into the DEM. Comparisons of two different methods revealed that no automated geoprocessing allowed accurate detection of poorly located culverts, i.e. where small streams deviated into road-side ditches. Despite automated geoprocessing methods that are available, a database geolocating all culverts within a territory is the best way to create exact hydrographic networks without road embankment influence.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».