MétaCan
Menu
Retour à la cohorte
Enregistrement W4412792975 · doi:10.1016/j.jag.2025.104768

A large-scale estimation method for beach slopes using ICESat-2 altimeter: A case study of New Zealand

2025· article· en· W4412792975 sur OpenAlexaff
Nan Xu, Hao Xu, Wenyu Li, Hui Lu, Yongze Song, Jiaqi Yao, Yue Ma, Ren He, Tingting He, Fan Mo, Peng Gong

Notice bibliographique

RevueInternational Journal of Applied Earth Observation and Geoinformation · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of ChinaMinistry of Natural Resources of the People's Republic of China
Mots-clésAltimeterScale (ratio)GeographyRemote sensingEstimationEnvironmental scienceGeodesyPhysical geographyOceanographyCartographyGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Beach slope is critical for monitoring coastline erosion and assessing coastal vulnerability. However, accurately estimating beach slopes at large scales remains a great challenge due to the dynamic nature of tidal exposure, the limited availability of in-situ topographic data, and the coarse resolution or coverage gaps of traditional DEM products. This study proposed a novel method driven by the Ice, Cloud, and Land Elevation Satellite-2 (ICESat-2) ATL03 product for estimating coastal slopes of sandy beaches by considering ICESat-2 photon characteristics and beach morphology. First, we corrected the ICESat-2 photons along satellite trajectories to the direction perpendicular to the coastline, and then preliminarily eliminated sea surface photons. Second, we combined the adaptive threshold OPTICS (Ordering Points To Identify the Clustering Structure) algorithm and the moving window filter to accurately extract sandy beach photons. Third, horizontal ranges of sandy beaches were determined by the quadratic polynomial model, and coastal slopes were estimated using a linear regression model. The proposed large-scale method for deriving beach slopes relies primarily on ICESat-2 photon counting light detection and ranging (LiDAR) data and auxiliary vector data, which does not require in-situ measurements. We applied this method to calculate coastal slopes for 212 sandy beaches with 1,297 profiles in New Zealand and conducted a validation using 1 m high-accuracy airborne Digital Elevation Model (DEM) data. Our results indicate that the inverted beach slopes from our method exhibit a high accuracy (root mean square error ( RMSE ) = 0.06, determination coefficient ( R 2 ) = 0.76). In the future, this method has a large potential for global applications using ICESat-2 data, serving as a valuable tool for estimating coastal slopes for sandy beaches worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,578

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,287
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Applied Earth Observation and GeoinformationMême sujetCoastal and Marine DynamicsTravaux en français237 207