Effects of area under‐estimations of sloped mountain terrain on simulated hydrological behaviour: a case study using the ACRU model
Notice bibliographique
Résumé
Abstract Sloped areas calculated from a GIS raster file, such as a digital elevation model, are smaller than the true surface area, because they are projected to a planimetric plane. In mountainous regions this sloped area under‐estimation (SAUE) can have significant consequences on hydrological calculations. A sensitivity analysis is conducted, using the ACRU agro‐hydrological modelling system in a small watershed in Glacier National Park, Montana, USA, to investigate the sensitivity of the SAUE on key elements of the hydrological cycle, including precipitation depth, April snow depth, August soil moisture deficit, actual evapotranspiration depth, and runoff depth. The sensitivity analysis is based on 224 unique combinations of slope, soil and land cover types, elevation with associated precipitation depths, and north and south facing radiation regimes. Results revealed an increasing influence of the SAUE on all hydrological processes with increasing slope steepness. Distinct differences and magnitudes between different land cover types, different elevations, and, in particular, different exposition were quantified. Actual evapotranspiration increases with SAUE, while runoff decreases. April soil water is simulated to decrease with an increase in SAUE. Finally, a comparison of a streamflow simulation of a small and steep alpine watershed with and without consideration of the SAUE is carried out. The sloped area of the small watershed is under‐estimated by 20·9%, and the difference in simulated runoff is 12·3%. When the SAUE was not considered, runoff was simulated to be higher, the associated coefficient of determination was slightly lower, and the slope of the regression line was flatter. Copyright © 2010 John Wiley & Sons, Ltd.
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 | 0,000 | 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 ».