Automated delineation and morphometry of unclassified subglacial bedforms
Notice bibliographique
Résumé
We designed an automated tool to delineate and analyse the shape of subglacial bedforms using a recently defined land surface parameter, the volumetric obscurance. The tool is based on the assumption that the diversity of subglacial bedform shapes reflects a continuum; therefore, unlike traditional methods, no pre‐ or post‐mapping classification of bedforms is performed. It uses digital elevation models and optical satellite images to generate regional morphological maps (bedform outlines and crestlines) and regional morphometric maps (spatialized statistical analysis of bedform morphometrics). We tested the tool on the ArcticDEM, over a portion of the former Laurentide Ice Sheet bed that displays a wide diversity of bedform shapes (Keewatin Ice Dome, northern Canada). The produced morphological maps are consistent, with a correspondence of approximately 75% on individual bedform outlines, with two reference maps digitized manually by two different glacial geomorphologists. Despite the 25% difference between individual bedform outlines generated automatically and manually, the derived morphometric maps are similar. They can be interpreted in the context of subglacial deformation and hydrology, providing a new potential for palaeoglaciological reconstructions at the ice‐sheet scale. The tool was developed in Python and is freely accessible.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».