4-Dimensional Electrical Resistivity Tomography for continuous, near-real time monitoring of a landslide affecting transport infrastructure in British Columbia, Canada
Notice bibliographique
Résumé
The Ripley Landslide is a small (0.04 km2), slow-moving landslide in the Thompson River Valley, British Columbia, that is threatening the serviceability of two national railway lines. Slope failures in this area are having negative impacts on railway infrastructure, terrestrial and aquatic ecosystems, public safety, communities, local heritage, and the economy. This is driving the need for monitoring at the site, and in recent years there has been a shift from traditional geotechnical surveys and visual inspections for monitoring infrastructure assets toward less invasive, lower cost,and less time-intensive methods, including geophysics. We describe the application of anovelelectrical resistivity tomography (ERT) system for monitoring the landslide. The system provides near-real time geoelectrical imaging, with results delivered remotely via a modem, avoiding the need for costly repeat field visits, and enabling near-real time interpretation of the 4D ERT data. Here, we present the results of the ERT monitoring alongsidefield sensor-derived relationships between suction, resistivity,moisture content, and continuous monitoring single-frequency GNSS stations. 4-D ERT data allows us to monitor spatial and temporal changes inresistivity, and by extension, in moisture content and soil suction. The models reveal complex hydrogeological pathways, as well as considerable seasonalvariation in the response of the subsurface to changing weather conditions, which cannot be predicted through interrogation of weather and sensor data alone, providing new insight into the subsurface processes active at the site of the Ripley Landslide.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».