Development and testing of a remote sensing-based model for estimating groundwater levels in aeolian desert areas of China
Notice bibliographique
Résumé
Huo, A., Chen, X., Li, H., Hou, M. and Hou, X. 2011. Development and testing of a remote sensing-based model for estimating groundwater levels in aeolian desert areas of China. Can. J. Soil Sci. 91: 29–37. Regional groundwater level is an important data set for understanding the relationships between groundwater resources and regional ecological environments. The decline in water table levels leads to vegetation degradation and thus affects the ecological environment. Such a negative effect is especially apparent in the desertification areas. In this study, a remote-sensing based method was proposed to predict the distribution of the regional groundwater level in an aeolian desert area in northern China. The study used the Moderate Resolution Imaging Spectroradiometer (MODIS) remote sensing data and field investigations. Based on field investigation of groundwater level, soil moisture, and other supporting information in the aeolian desert area, as well as the soil moisture distribution derived from the MODIS images, empirical equations describing the relationship between the soil moisture and groundwater level were obtained. The groundwater levels derived using the MODIS image data were verified by groundwater levels measured from 58 wells. The results show that the correlation coefficient between the measured groundwater levels and the remote sensing-based estimated water levels was 0.868, indicating that the error is small and the predictions closely reflect the real water levels. This model can be used to predict groundwater levels in aeolian desert areas based on remote sensing data sets.
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 | 0,001 |
| 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 ».