MétaCan
Menu
Retour à la cohorte
Enregistrement W2806492187 · doi:10.1029/2017wr021147

Rationale and Efficacy of Assimilating Remotely Sensed Potential Evapotranspiration for Reduced Uncertainty of Hydrologic Models

2018· article· en· W2806492187 sur OpenAlexaff
Adnan Rajib, Venkatesh Merwade, Zhiqiang Yu

Notice bibliographique

RevueWater Resources Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensToronto and Region Conservation Authority
Organismes subventionnairesNational Science Foundation
Mots-clésEvapotranspirationEnvironmental scienceSoil and Water Assessment ToolSWAT modelStreamflowHydrological modellingModerate-resolution imaging spectroradiometerEquifinalityRemote sensingHydrology (agriculture)Computer scienceSatelliteClimatologyWatershedDrainage basinMachine learningGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this study is to systematically attribute sources of evapotranspiration uncertainty in a hydrologic model and accordingly propose a remote sensing‐based solution. Using Soil and Water Assessment Tool (SWAT) for three U.S. watersheds, representing different geophysical settings, this study first addresses the effects of parameter equifinality, energy‐related weather input uncertainty, and limited process representation on evapotranspiration simulation. Remotely sensed 8‐day total actual evapotranspiration (AET) from Moderate Resolution Imaging Spectroradiometer (MODIS) is used as a reference to evaluate the model outcome. Results indicate the likelihood of a pseudo‐accurate model showing high streamflow prediction skill despite severely erroneous spatiotemporal dynamics of AET. As a remedial measure, a hybrid daily potential evapotranspiration (PET) estimate, derived from MODIS, is directly ingested at each hydrologic response unit of the model to create a new configuration called SWAT‐PET. A key contribution is the modified SWAT source code that integrates the model (i.e., SWAT‐PET) with an automatic remote sensing data processor. The underlying notion is that remotely sensed PET works as a surrogate of actual vegetation dynamics, biophysical processes, and energy balance, without overruling the model's built‐in soil moisture accounting. Noticeably, increased accuracy of soil moisture, AET, and streamflow in SWAT‐PET, compared to independent sources of observations/reference estimates (i.e., field sensor, satellite, and gauge stations), approves the efficacy of the proposed approach toward improved physical consistency of hydrologic modeling. While the idea is tested for a past period, the ultimate goal is to improve near‐real‐time hydrologic forecasting once such PET estimates become available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,319
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations92
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207