Automated Avalanche Terrain Exposure Scale (ATES) mapping – local validation and optimization in western Canada
Notice bibliographique
Résumé
Abstract. The Avalanche Terrain Exposure Scale (ATES) is a system for classifying mountainous terrain based on the degree of exposure to avalanche hazard. The intent of ATES is to improve backcountry recreationist's ability to make informed risk management decisions by simplifying their terrain analysis. Access to ATES has been largely limited to manually generated maps in high-use areas due to the cost and time to generate ATES maps. Automated ATES (AutoATES) is a chain of geospatial models which provides a path towards developing ATES maps on large spatial scales for relatively minimal cost compared to manual maps. This research validates and localizes AutoATES using two ATES benchmark maps which are based on independent ATES maps from three field experts. We compare the performance of AutoATES in two study areas with unique snow climate and terrain characteristics: Connaught Creek in Glacier National Park, British Columbia, Canada, and Bow Summit in Banff National Park, Alberta, Canada. Our results show that AutoATES aligns with the ATES benchmark maps in 74.5 % of the Connaught Creek study area and 84.4 % of the Bow Summit study area. This is comparable to independently developed manual ATES maps which on average align with the ATES benchmark maps in 76.1 % of Connaught Creek and 84.8 % of Bow Summit. We also compare a variety of DEM types (lidar, stereo photogrammetry, Canadian National Topographic Database) and resolutions (5–26 m) in Connaught Creek to investigate how input data type affects AutoATES performance. Overall, we find that DEM resolution and type are not strong indicators of accuracy for AutoATES, with a map accuracy of 74.5 % ± 1 % for all DEMs. This research demonstrates the efficacy of AutoATES compared to expert manual ATES mapping methods and provides a platform for large-scale development of ATES maps to assist backcountry recreationists in making more informed avalanche risk management decisions.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».