MétaCan
Menu
Retour à la cohorte
Enregistrement W4400301068 · doi:10.1002/rra.4336

Findings from a National Survey of Canadian perspectives on predicting river channel migration and river bank erosion

2024· article· en· W4400301068 sur OpenAlexafffundabout
Cody Kupferschmidt, Andrew Binns

Notice bibliographique

RevueRiver Research and Applications · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBank erosionBankChannel (broadcasting)ErosionHydrology (agriculture)GeologyEnvironmental sciencePhysical geographyGeographyGeomorphologyGeotechnical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract River bank erosion and river channel migration are geomorphic processes that can result in significant hazards when there are impacts to humans or infrastructure. Unlike flooding, there are limited national guidelines in Canada that provide recommendations on how to best assess riverine erosion hazards. Instead regional and local jurisdictions rely on techniques based on varying levels of policy maturity. The current study presents findings of a nationwide survey on Canadian perspectives on predicting river channel migration and river bank erosion which received more than 40 responses from across Canada. Results showed that predictions were used for a variety of purposes, but that confidence intervals were rarely reported. Aerial imagery and survey‐based methods were the well‐known and widely‐used techniques for predicting river channel migration and river bank erosion. A majority of respondents identified both technical and financial challenges to improving accuracy including client willingness to pay, data quality/cost issues, and hydrologic changes due to land use and climate change. Several recommendations for improving best‐practices are provided, with a focus on the development of erosion datasets, improving data access, and providing additional training opportunities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,307
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRiver Research and ApplicationsMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207