Propriétés invariantes d'échelle et anisotropes de morphologies d'érosion fluviatile
Bibliographic record
Abstract
Les propriétés statistiques invariantes d'échelle isotropes et anisotropes de morphologies terrestres d'érosion fluviatile ont été caractérisées dans cette étude à l'aide d'images satellitaires. En premier lieu, les propriétés invariantes d'échelle isotrope de différentes sections du réseau de drainage du Plateau éthiopien ont été déterminées à partir d'images de régions spectrales variées des satellites Landsat TM 5 et ERS-1. Ensuite, une méthode a été développée pour évaluer les propriétés anisotropes invariantes d'échelle de surfaces d'érosion fluvio-tectonique. Deux types de réseau de drainage ont alors été choisis: le réseau de la Rivière Jaune sur le Plateau de L?ss en Chine et celui de la Green River dans le Utah aux États-Unis. Dans cette deuxième partie, des images du visible du satellite TERRA ASTER ont été analysées. Enfin, la méthode de caractérisation de l'anisotropie indépendante de l'échelle a été appliquée sur les données du Plateau éthiopien afin de mieux y cerner les processus impliqués; les données satellitaires Landsat TM 5 et TERRA ASTER ont été utilisées pour cette partie de la recherche. \n \nLes deux régions sélectionnées sur le Plateau éthiopien, "plateau" et "canyon", possèdent des degrés d'érosion très différents. Une première distinction des propriétés invariantes d'échelle isotropes a été trouvée à l'aide d'images Landsat TM 5 dans le visible et d'images ERS-1 dans les micro-ondes. Cette différence a été liée au degré d'érosion mécanique entre ces deux régions, "plateau" (peu érodé) et "canyon" (très érodé). Une deuxième différence statistique a été révélée par les analyses d'invariance d'échelle isotrope des images Landsat TM 5 dans l'infrarouge moyen, qui sont plus sensibles aux argiles. Cette distinction est associée à la présence d'une couche d'altération des minéraux sur le "plateau", couche qui n'est pas retrouvée dans la région "canyon" à cause de l'érosion mécanique plus importante. Ainsi, ces analyses statistiques révèlent la présence active de deux processus distincts agissant sur le Plateau éthiopien, soit l'érosion mécanique et l'érosion chimique. \n \nL'étude de l'anisotropie sur des images de réseaux fluviaux a permis de trouver des différences statistiques significatives entre les différents réseaux de drainage. Les analyses de l'anisotropie montrent aussi que celle-ci doit être caractérisée dans un cadre d'invariance d'échelle. Les analyses d'invariance d'échelle isotrope (paramètre fi) permettent de différencier les images très dendritiques (densité de drainage très élevée) du réseau de drainage du Plateau de Loess chinois des autres images moins densément dendritiques. Cependant, elles ne donnent pas la possibilité de distinguer les images du Utah de celles de la Chine où l'érosion est plus poussée et les réseaux plus développés. Dans ce cas, les propriétés anisotropes distinctes reliées aux différentes lithologies des régions permettent de les différencier. De plus, l'anisotropie invariante d'échelle permet de distinguer les images de différentes parties d'un même réseau, par exemple le Plateau de Loess chinois, qui présente des contrastes associés au degré de maturité (ou au développement) du réseau et aux différences lithologiques et structurales régionales. Les analyses effectuées sur l'anisotropie du réseau de drainage du Plateau éthiopien ont confirmé les différences associées aux processus d'érosion et d'altération chimique des sols. \n \nDans l'ensemble, cette étude montre la portée de l'utilisation des images satellitaires en relation avec les analyses d'invariance d'échelle sur les champs de données. Les analyses statistiques anisotropes des structures sur une grande gamme d'échelles complémentent de façon adéquate les analyses isotropes. La méthode développée dans cette étude est d'utilisation relativement simple et pourrait fournir une caractérisation quantitative plus systématique échelle par échelle des surfaces terrestres et des processus dynamiques sous-jacents. \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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".