Use of Radarsat-2 and Landsat TM Images for Spatial Parameterization of Manning’s Roughness Coefficient in Hydraulic Modeling
Notice bibliographique
Résumé
Vegetation resistance influences water flow in floodplains. Characterization of vegetation for hydraulic modeling includes the description of the spatial variability of vegetation type, height and density. In this research, we explored the use of dual polarized Radarsat-2 wide swath mode backscatter coefficients (σ°) and Landsat 5 TM to derive spatial hydraulic roughness. The spatial roughness parameterization included four steps: (i) land use classification from Landsat 5 TM; (ii) establishing a relationship between σ° statistics and vegetation parameters; (iii) relative surface roughness (Ks) determination from Synthetic Aperture Radar (SAR) backscatter temporal variability; (iv) derivation of the spatial distribution of the spatial hydraulic roughness both from Manning’s roughness coefficient look up table (LUT) and relative surface roughness. Hydraulic simulations were performed using the FLO-2D hydrodynamic model to evaluate model performance under three different hydraulic modeling simulations results with different Manning’s coefficient parameterizations, which includes SWL1, SWL2 and SWL3. SWL1 is simulated water levels with optimum floodplain roughness (np) with channel roughness nc = 0.03 m−1/3/s; SWL2 is simulated water levels with calibrated values for both floodplain roughness np = 0.65 m−1/3/s and channel roughness nc = 0.021 m−1/3/s; and SWL3 is simulated water levels with calibrated channel roughness nc and spatial Manning’s coefficients as derived with aid of relative surface roughness. The model performance was evaluated using Nash-Sutcliffe model efficiency coefficient (E) and coefficient of determination (R2), based on water levels measured at a gauging station in the wetland. The overall performance of scenario SWL1 was characterized with E = 0.75 and R2 = 0.95, which was improved in SWL2 to E = 0.95 and R2 = 0.99. When spatially distributed Manning values derived from SAR relative surface values were parameterized in the model, the model also performed well and yielding E = 0.97 and R2 = 0.98. Improved model performance using spatial roughness shows that spatial roughness parameterization can support flood modeling and provide better flood wave simulation over the inundated riparian areas equally as calibrated models.
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 | 0,000 |
| 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 ».