Surface network and drainage network: towards a common data structure
Notice bibliographique
Résumé
The surface network is an application of the Morse-Smale complex to digital terrain models connecting ridges and thalwegs of the terrain in a planar, undirected graph. Although it provides a topological structure embedding critical elements of the terrain, its application to morphological analysis and hydrology remains limited mainly because the drainage network is the most relevant structure for analysis and it cannot be derived from the surface network. The drainage network is a directed, hierarchical graph formed by streams. Ridges of the surface network are not equivalent to drainage divides, which are not contained in the drainage network, and there is no direct association between thalwegs and streams. Therefore, this paper proposes to extend the surface network into a new structure that also embeds the drainage network. This is done by (1) revising the definition of ridges so that they include drainage divides and (2) assigning a flow direction to each thalweg, taking into account spurious depressions to avoid flow interruption. We show that this extended surface network can be used to compute the flow accumulation and different hydrographic features such as drainage basins and the Strahler order. The drainage network extracted from the extended surface network is compared to drainage networks computed with the traditional D8 approach in three case studies. Differences remain minor and are mainly due to the elevation inaccuracy in flat or slightly convex areas. Hence, the extended surface network provides a richer data structure allowing the use of a common topological data structure in both terrain analysis and hydrology.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».