HAZARD MAPPING OF LANDSLIDES, A COMPARISON OF THREE DIFFERENT OVERVIEW MAPPING METHODS IN FINE-GRAINED SOILS.
Notice bibliographique
Résumé
L´objectif de ces études était d´appliquer des méthodes de cartographie de l’aléa utilisées en Suède, en Norvège et au Canada, sur des sols à grains fins, dans la zone test Åby, et d’évaluer les différences entre ces methodes. Les conditions des sols sont assez similaires dans ces pays. Pendant et aprés la dernière déglaciation, de l’argile molle a été déposée en bordure des littoraux, dans des lacs et dans des vallées où beaucoup de glissements de terrains se sont produit. On peut trouver dans ces trois pays des argiles particulièrement très sensibles. La zone test de Åby est située dans la partie sud-ouest de la Suède prés de la rivière Göta. Les principaux objectifs des méthodes étudiées sont de circonscrire les zones d’aléa de glissements de terrain et d’identifier celles pouvant exiger des études plus détaillées. Les critères utilisés dans les méthodes sont dans l´ensemble basés sur les conditions géologiques et topographiques existantes, les glissements antérieurs et les conditions d´érosion. Selon les conditions relevées, toutes ces méthodes classent les secteurs étudiés en différentes zones d’aléa ou de susceptibilité aux glissements de terrain. La présente étude démontre que toutes les méthodes indiquent qu´il y a des aléas de glissements de terrain et que certaines zones requièrent des études géotechniques plus détaillées dont des analyses de stabilité. Les plus grandes différences entre les résultats des différentes méthodes concernent la forme, la surface et le nombre des zones d’aléa. The aim of the study was to apply hazard mapping methods which are used in Sweden, Norway and Canada for fine-grained
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 | 0,000 | 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) | 0,001 | 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 ».