Data Structures for 2D Representation of Terrain Models
Notice bibliographique
Résumé
This entry gives an overview of the main data structures and approaches used for a two-dimensional representation of the terrain surface using a digital elevation model (DEM). A DEM represents the elevation of the earth surface from a set of points. It is used for terrain analysis, visualisation and interpretation. DEMs are most commonly defined as a grid where an elevation is assigned to each grid cell. Due to its simplicity, the square grid structure is the most common DEM structure. However, it is less adaptive and shows limitations for more complex processing and reasoning. Hence, the triangulated irregular network is a more adaptive structure and explicitly stores the relationships between the points. Other topological structures (contour graphs, contour trees) have been developed to study terrain morphology. Topological relationships are captured in another structure, the surface network (SN), composed of critical points (peaks, pits, saddles) and critical lines (thalweg, ridge lines). The SN can be computed using either a TIN or a grid. The Morse Theory provides a mathematical approach to studying the topology of surfaces, which is applied to the SN. It has been used for terrain simplification, multi-resolution modelling, terrain segmentation and landform identification. The extended surface network (ESN) extends the classical SN by integrating both the surface and the drainage networks. The ESN can itself be extended for the cognitive representation of the terrain based on saliences (typical points, lines and regions) and skeleton lines (linking critical points), while capturing the context of the appearance of landforms using topo-contexts.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,014 |
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 ».