Using thermal remote sensing as a tool for calibrating a hydrodynamic model in inland waters
Notice bibliographique
Résumé
Remote sensing has been proven as an effective tool for mapping and monitoring water quality in coastal/inland waters during the past two decades. In light of this, it can also be applied to calibrate hydrodynamic models which predict the distribution of river plumes and streams in coastal/inland waters. This research examines the capability of Landsat 7 thermal data to calibrate a 3D hydrodynamic model by simulating a moderate sized river plume discharging into Lake Ontario, USA. The model is provided with a set of input variables and involves modeling material transport using a finite-differencing method to generate profiles of temperature within the water column as well as a surface temperature map. In this way, a Look-Up-Table (LUT) of multiple scenarios of environmental conditions was built by running the hydrodynamic model for several simulation hours. This process resulted in various shapes of the thermal plumes, one of which represented the best output. This was determined by making a comparison with atmospherically compensated Landsat 7 thermal data in the surface temperature domain. The best agreement with the remotely sensed data was found through an optimization in which an error function, calculated between the model outputs and the imagery, was minimized. The root-mean-squared-error (RMSE), computed between the best model output and the observed imagery on a pixel-by-pixel basis, indicated a good fit with less than half of a degree, approximately 0.34° C, on average, over the plume area. This research demonstrates the potential of existing Landsat data and the corresponding method to monitor river plumes of moderate size in inland/coastal environments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».