Évaluation de quatre méthodes de photogrammétrie numérique pour la cartographie géologique en région montagneuse.
Bibliographic record
Abstract
Que ce soit dans une perspective académique ou industrielle, la géomatique regroupe \nplusieurs disciplines utiles en sciences de la Terre. Parmi ses nombreuses applications, la \nphotogrammétrie est depuis longtemps un bon outil pour l'interprétation et la \ncartographie en géologie. Grâce aux progrès réalisés pour adapter cette méthode à la \ntechnologie informatique, la photogrammétrie permet maintenant de déduire rapidement \nde l'information qualitative ou quantitative à partir de clichés numériques. Elle couvre \nune gamme très étendue d'échelles allant de la microscopie aux images prises à très haute \naltitude et permet la collecte d'une multitude de points se trouvant sur les images, pour un \ncoût d'investigation réduit. Elle ne requiert pas de contact avec l'objet à mesurer, et offre \nla possibilité de mesurer des variations temporelles. \nCompte tenu des avantages cités ci-dessus, il a été jugé opportun ici d'utiliser et d'évaluer \nles méthodes photogrammétriques pour recueillir de l'information géologique, telle \nl'attitude d'un plan, la localisation des formations géologiques, la mesure précise de leur \népaisseur et la détermination d'un réseau de fractures, dans des zones à accès difficile, \ncomme la région de Moose Mountain, dans les Foothills de l'Alberta. \nQuatre techniques ont été employées et comparées : (1) l'imagerie aérienne verticale \n(orthophotos à haute-résolution), (2) l'affichage stéréoscopique, (3) le rendu de terrain \n(application d'une orthophoto sur la surface d'un Modèle Numérique de Terrain, ou \n« Terrain Rendering »en anglais), et (4) la photogrammétrie terrestre. \nLes résultats obtenus sont très satisfaisants et prometteurs. Ils confirment l'efficacité et \nl'utilité de la photogrammétrie en région accidentée et difficile d'accès pour le géologue. \nEn effet, les écarts de distance entre l'élément structural réel et celui déterminé par \nphotogrammétrie indiquent des valeurs comprises entre 5 et 10 mètres lorsque nous \ntravaillons avec une ortho-image (balayée à 2000 ppp) et un MNT régional, et 10-50 cm \nen photogrammétrie terrestre. Nous obtenons également des résultats probants concernant \nla précision des pendages et des directions de plan, évalués sur le terrain par méthode \ntraditionnelle (boussole) en comparaison avec ceux mesurés par triangulation numérique \nde points coplanaires (différences comprises entre 0 et 10 degrés). Concernant la \ndétermination d'un réseau de fractures préférentiel par photogrammétrie terrestre, nous \navons pu identifier différentes familles de joints, qui sont corrélatives avec celles \nobservées sur le terrain. \nCependant, il convient d'être attentif lors des différentes étapes des processus \nphotogrammétriques, et précis lors de l'acquisition des points de contrôle sur le terrain et \ndu calibrage des caméras. Chacune de ces techniques a ses avantages et ses \ninconvénients, mais couplées ensemble, elles deviennent complémentaires et donnent des \nrésultats probants. La photogrammétrie permet un accès direct à la cartographie dans un \nunivers en trois dimensions et permet par exemple de visualiser avec précision les \ncontacts géologiques des deux versants d'une montagne, sans avoir recours à \nl'imagination et à des suppositions. \nCette technique devient intéressante et présente un fort potentiel pour l'industrie minière, \npétrolière, les commissions géologiques et la gestion des risques géologiques (étude de \nstabilité des versants). \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".