Generating Topobathymetry Digital Elevation Model using Crowdsourced Bathymetry: A case of the St. Lawrence River and Ottawa River in Quebec
Notice bibliographique
Résumé
The accuracy of two- and three-dimensional hydraulic modelling of free surface flow depends significantly on a complete and accurate geometric description of the river channel and floodplains in the form of a continuous, seamless digital elevation model (DEM). With the advent of airborne Light Detection and Ranging (LiDAR) surveys, high-resolution topographic data is increasingly becoming available. However, bathymetric information for most rivers is not available in ready-to-use digital data formats, mainly because the primary data collection methods, i.e., hydrographic surveys, are costly and time-intensive. The existing methods for generating topobathymetry digital elevation model (TB-DEM) require access to raw data and ground measurements to some extent. This study proposes a simple superposition-based approach to generating a seamless elevation model using terrestrial and bathymetry information available from secondary data sources, including crowdsourcing. It comprises geographic information system (GIS) based interpolation and geoprocessing techniques. An integrated TB-DEM is generated for part of the St. Lawrence River and Ottawa River and the overbank areas on the upstream side of Montreal Island in Quebec. The output DEM is verified using internal and external validation criteria. The upland topography is unaffected by the superposition process, whereas the interpolated bathymetry shows significant positive linear associations with the reference elevation data. The vertical accuracy of bathymetry DEM with respect to Canadian Hydrographic Service Non-Navigational Bathymetric Data-10 (NONNA-10) reference data is 1.43 m in root-mean-squared error. The results of 1-m × 1-m DEM from this study are useful for evaluations of fish habitat health, shoreline stability and drinking-water withdrawal-site selection, and for predictions of river floods, morphological changes, and changes of water quality. The methods are applicable to other sites for generating high-resolution DEMs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».