Use of image velocimetry techniques on citizen videos of the November 2021 flooding event flows in Merritt, British Columbia
Notice bibliographique
Résumé
In November 2021, an atmospheric river swept the Pacific Northwest region, causing one of the costliest natural disasters in Canadian history. Among others, the Coldwater River in Merritt, British Columbia caused widespread flooding on November 15th, 2021, resulting in extensive damage to the infrastructure and total evacuation of the residents.Estimating the magnitude of this flood is difficult, as it damaged the local flow monitoring station and altered the surrounding landscape. However, parts of this flooding event, including the flow close to its peak, were filmed by local residents using mobile devices or drones. Though with significant perspective distortion and imprecision, they still provide valuable information on the extreme flow event, which would have otherwise been lost or neglected. The objective of this study is to apply image velocimetry techniques to these videos, with limited resources and geodata, for reconstructing surface velocities and discharges during the flood.The analysis method consists of using LSPIV and Farneback optical flow on the original clips where possible. Objects are identified in the videos, then geolocated or surveyed after the flood, for rectification of raw velocities. This allows multiple iterations, accounting for uncertainties in the rectification parameters. Discharges are then calculated using surveyed or reconstructed transects, and water surface elevations estimated from the video frames.Preliminary results of both methods will be presented and compared on the use of lens distortion correction, different contrast enhancement block sizes, and interrogation area or filter sizes. Validations of the calculated discharges against flow observations from the Water Survey of Canada will also be included.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».