Landslide Monitoring with RADARSAT Constellation Mission InSAR, RPAS-Derived Point-Clouds and RTK-GNSS Time-Series in the Thompson River Valley, British Columbia, Canada
Notice bibliographique
Résumé
Abstract In this paper, we evaluate the effectiveness of four land-deformation measurement techniques for monitoring slow-moving landslides along a high-risk section of the national railway corridor traversing the Thompson River valley, British Columbia, Canada. The geomorphically active North Slide acts as an ideal field laboratory for testing and evaluating novel monitoring techniques and methods. We compare differential processing of Structure from Motion (SfM) products such as point-cloud elevation models and orthophotos derived from Remotely Piloted Aircraft Systems (RPAS), along with satellite based Interferometric Synthetic Aperture Radar (InSAR) deformation measurements derived from RADARSAT Constellation Mission (RCM). These results are ground-truthed with periodic real-time kinematic (RTK) global navigation satellite system (GNSS) measurements. We evaluate point-cloud comparison techniques, including the multi-scale model-to-model cloud comparison (M3C2) algorithm and digital ortho image correlation techniques. Multi-temporal RCM InSAR deformation measurements are processed using a semi-automated processing system for interferogram generation and unwrapping. Manual processing of small baseline subsets (SBAS) leads to the recovery of 1-dimensional line-of-sight (LoS) and 2-dimensional deformation measurements. Lastly, we discuss the strengths and limitations of these techniques, considerations for interpreting their outputs, and considerations for direct comparisons between InSAR, RPAS and RTK-GNSS deformation measurements.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».