MétaCan
Menu
Retour à la cohorte
Enregistrement W7083626542 · doi:10.5281/zenodo.17219072

Preliminary Canadian Landslide Database

2025· dataset· en· W7083626542 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture, Water, and Health
Établissements canadiensGeoscience BCUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaBGC Engineering (Canada)Yukon UniversityUniversity of OttawaMinistry of ForestsSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLandslideSpatial databaseHazardIdentification (biology)Natural hazardScale (ratio)

Résumé

récupéré en direct d'OpenAlex

This preliminary Canadian landslide database is a publicly available compilation of existing landslide inventories and original mapping. Version 12.0 of the database contains 25,500 entries of both landslide events (discrete recorded period of movement) and landslide features (slope with morphology consistent with past or ongoing movement). Landslide locations are provided as point features and include attributes for landslide type, material type (surficial, rock, ice, anthropogenic), point location type (headscarp, source, transport, deposit), qualitative location confidence (low, moderate, high), and a field for tracking updates to an entry. Where available additional attributes such as volume estimate, date of occurrence, trigger, contributing factor, and reference to previous work are provided. Most landslides in the database have been identified using Google Earth and publicly available lidar. Online mapping applications such as HazMapper by Scheip and Wegman (2021) and Arctic Landscape EXplorer (ALEX) by Lübker et al. (2024) have also been used to identify landslides based on the changes in multi-spectral indices derived from satellite acquired datasets. As most of the landslides have been identified using remote sensing techniques (optical, multi-spectral, lidar, InSAR), landslide type attribution should be considered preliminary, and no characterization of the current level of landslide activity or hazard are provided. The database spatial sampling biases includes detailed representation of areas with existing inventory and where lidar is available which allows for the identification of landslide features in forested terrain. Based on these limitations, the preliminary Canadian landslide database is appropriate for research projects and for use as part of the initial desktop review but should not solely relied on for formal landslide hazard assessments. Version 12.0 includes the addition of 12,740 landslide features over version 11.0. Highlights of this version include the addition of Antoni Lewkowicz, (retrogressive thaw slumps from Canadian Arctic), Cory McGregor (landslides from Haida Gwaii and Akie River Valley, British Columbia), Jennifer Clarke (landslides from Okanagan and Shuswap, British Columbia), Aaron Steelquist (landslides from Fraser Canyon, British Columbia), and Caleb Ring (landslides from Fraser Canyon, British Columbia) as co-authors. This version also includes the addition of 694 new post-wildfire landslides by Carie-Ann Hancock along with updates (e.g. better constrained initiation date, location, landslide type) to 508 existing entries. Version 12.0 standardizes the date format to YYYYMMDD. Effort was started and is still underway to standardize volume class categories (giant, large, medium, small) according to the classification proposed by McColl and Cook (2024). Point location and attribute data are provided as .csv file which can be imported in GIS software and as .kmz file for visualization using Google Earth. Summary statistics are provided in a separate spreadsheet. Summary statistics from previous versions are now provided in the different spreadsheet tabs. Release notes from this and previous versions are compiled in an accompanying pdf document.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0520,019

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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetAgriculture, Water, and HealthTravaux en français237 207