Development of a Historic Digital Elevation Model (hDEM) from Archival Aerial Imagery over the Black Mountain Alluvial Fan, Canada
Notice bibliographique
Résumé
In a rapidly changing Arctic, reconstructing landscapes pre-warming is essential to understanding impacts due to climate-inducted geomorphic change. High-latitude elevation datasets extend temporally back to the 2000s, while region-wide warming became measurable in the 1980s. Historic aerial imagery archives provide datasets of high-resolution imagery from the mid- to late- 1900s with stereo-capability that can be harnessed to create historic digital elevation models, or hDEMs. A major issue with reconstructing a surface from the past is finding a way to constrain it in space, given a lack of ground control from that era, especially at high latitudes. The main purpose of this study was to determine if an hDEM could be used to detect altimetric change in an area of poor ground control. I developed an hDEM from historic aerial imagery over the Black Mountain alluvial fan complex in NT, Canada, and used satellite imagery-derived ground control points to constrain the model in space. The resulting hDEM qualitatively and quantitatively displayed geomorphic realism, with few interpolation artifacts along the model edges, over water surfaces, and in places of shadows. When compared with the ArcticDEM, the hDEM displayed a vertical RMSE of 5.19m. I was able to isolate approximately 30-40m of altimetric change from a landslide (c.2013-2016) in the Black Mountain Fan catchment, supporting the supervised use of hDEMs for change detection studies.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».