Establishment of channel networks in a digital elevation model of the prairie region through hydrological correction and geomorphological assessment
Notice bibliographique
Résumé
Building channel networks in flat regions of digital elevation models (DEMs) is important for watershed delineation and hydrological modeling, particularly for areas with gently-sloped terrain, such as the Canadian Prairies. Existing drainage analysis methods cannot effectively address the spatial correlations of elevation across the flat regions, and the quality of the DEM-derived channel network is mainly evaluated through visual inspection. In this study a hydrological correction method is developed that integrates elevation information from both the existing digital channel network and the original DEM. A set of geomorphological indices is then introduced for quantitative evaluation of DEM-derived channel networks from the perspectives of flow direction and drainage pattern. Both the DEM correction and network assessment methods are implemented in a GIS environment. Their performance is demonstrated through a case study in southern Saskatchewan, Canada. The generated channel network is consistent with the known hydrological information and contains fewer parallel channels compared with existing methods. The developed methods could be valuable for a wide range of applications using the Canadian Digital Elevation Data (CDED) within the context of the Canadian Prairie region. La construction des réseaux de canaux dans les régions plates des modèles numériques d’élévation (MNEs) est importante par rapport à la délimitation des bassins versants et la modélisation hydrologique, en particulier pour les zones terrestres qui ont majoritairement une pente douce, comme les Prairies canadiennes. Les méthodes d’analyse de drainage existantes ne peuvent pas traiter efficacement les corrélations spatiales d’altitude dans les régions plates, et la qualité du MNE dérivé d’un réseau de canaux est principalement évaluée par des inspections visuelles. Cette étude a développé une méthode de correction hydrologique qui a intégré l’information d’altitude du réseau de canaux numériques existants et l’original MNE. Un ensemble d’indices géomorphologiques ont ensuite été introduits pour l’évaluation quantitative des réseaux de canaux dérivés des MNEs du point de vue du sens d’écoulement et des réseaux de drainage. Les deux, la correction à l’aide du DEM et les méthodes d’évaluation du réseau, ont été mises en œuvre dans un environnement de SIG. Leur performance a été démontrée par une étude de cas au sud de la Saskatchewan, Canada. Le réseau de canaux générés par la méthode proposée a été compatible avec les informations hydrologiques connues et contenait moins de canaux parallèles comparés à d’autres méthodes utilisées présentement. Les méthodes développées pourraient être utiles pour améliorer une large gamme d’utilisations des données numériques d’élévation canadiennes (DNEC) dans le contexte de la région des Prairies canadiennes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».