Nine months of daily LiDAR, orthophotos and MetOcean data from the eroding soft cliff coast at Happisburgh, UK
Notice bibliographique
Résumé
The dynamic interaction between cliff, beach and shore-platform is key to assessing the sediment balance for coastal erosion risk assessments, but this is poorly understood. We present a dataset containing daily, 3D,colour LiDAR scans of a 450 m coastal section at Happisburgh, Norfolk, UK. This previously para-glaciated region comprises mixed sand-gravel sediments, which are less well-understood and well-studied than sandy beaches. From Apr-Dec 2019, 236 daily surveys were carried out. The dataset presented includes: survey areas, transects LiDAR scans, georeferenced orthophotos, meteorological- and oceanographical conditions during the Apr-Dec observation period. Full LiDAR point-clouds are available for 67 scans (Oct-Dec). Hourly time-series of offshore sea-state parameters (significant wave height, mean propagation direction, selected spectral periods) were obtained by downscaling the ERA5 global reanalysis data (global atmosphere, land surface and ocean waves) using the numerical model Simulating Waves Nearshore (SWAN). We indicate how to obtain hourly precipitation time-series by interpolating ERA5 data. This dataset is important for researchers understanding the interaction between cliff, beach and shore-platform in open-coast mixed-sand-gravel environments.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».