Combining Remote Sensing Techniques to Optimize Digital Surface Models for Change Detection – A Case Study at a Pit Wall in the Canadian Cordillera
Notice bibliographique
Résumé
Slope monitoring is vital for open pit mines during operations and nearing closure where pit wall instabilities are present. Change detection using terrestrial laser scanning (TLS) has become part of the state of practice for collecting accurate measurements with extensive spatial coverage. The approach can detect displacements associated with global slope movement, as well as surficial occurrences such as rockfalls and sloughs. However, TLS acquisition quality is vulnerable to atmospheric interference and reflectivity of the target materials. In this regard, the high-density surface information obtained from TLS could be complemented with other, less detailed, remote sensing information in order to construct a complete surface model. Such an approach, however, requires a systematic workflow and a means to calculate surface model reliability. The subject of this study is an unstable pit wall at an open pit coal mine transitioning to closure. The site is located in the Canadian Cordillera, in a setting with intermittent fog and cloud cover, wildfire haze, and seepage within the slope face and toe. Insufficient TLS data can be obtained in local areas of the slope impacted by these conditions, as well as in shadowed areas on the benches above the TLS base elevation. Aerial photogrammetry was undertaken using UAV and combined with the TLS scan to generate a representative surface model. This paper presents a methodology for registration improvement between the TLS and UAV photogrammetry clouds, and evaluation of the combined surface using concepts of Limit of Detection (LOD) adopted from change detection techniques.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 | 0,000 |
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 ».