Evaluating the Interpretation Uncertainty From the Manual Streambank Delineation
Notice bibliographique
Résumé
ABSTRACT Streambank delineation enables the development of two important parameters: streambank position and channel width. For older aerial images that cannot be easily processed by automatic methods, manual interpretation of streambanks is a necessary task. In this study, the streambanks of a 70 km reach of the Canadian River in Oklahoma, USA were manually delineated by three individuals, using eight, red‐green‐blue band composite imagery. We quantified uncertainty across the three interpretations and evaluated how, sinuosity, flow rate on the image, and recent flood activity influence uncertainty. We developed two streambank calculation methodologies, namely the centroid method and direct width method. The centroid method produced three uncertainty estimates for the parameters streambank position, absolute channel width, and signed channel width, while the direct width method produced an uncertainty estimate for absolute channel width. Interpretation uncertainty was defined as the median error value for skewed distributions or as the mean value for normal distributions. Interpretation uncertainty estimates ranged from −0.1 to 2.8 m. These uncertainty values are 0.1 to 3 times the 1 m pixel image resolution and are an order of magnitude lower than the median width of the channel, which changed from 106 m in 2013 to 71 m in 2021. Increased channel sinuosity was shown to increase the median and interquartile range of the uncertainty metrics, while more outliers were observed for images taken soon after two‐year return flows. Overall, we conclude that manual delineation is a reliable method to obtain streambank position and channel width in large, geomorphically complex rivers.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».