Regionalizing time of concentration using landscape structural patterns of catchments
Notice bibliographique
Résumé
Abstract There is an emerging challenge within water resources on how, and to what extent, borrowing concepts from landscape ecology might help re-define traditional concepts in hydrology in a more tangible manner. A stepwise regression model was adopted in this study to assess whether the time of concentration of catchments could be explained by five landscape structure-representing metrics for land use/land cover, soil and geological patches, using spatial data from 39 catchments. The models suggested that the times of concentration of the catchments could be predicted using the measures of four landscape structure-representing metrics, which include contiguity index ( r 2 = 0.46, p ≤0.05), fractal dimension index ( r 2 = 0.51, p ≤0.05), related circumscribing circle ( r 2 = 0.52, p ≤0.05), and shape index ( r 2 = 0.47, p ≤0.05). The models indicated that the regularity or irregularity in land use/land cover patch shape played a key role in affecting catchment hydrological response. Our findings revealed that regularity and irregularity in the shape of a given patch ( e.g ., urban and semi-urban, rangeland and agricultural patches) can affect patch functions in retarding and/or increasing flow accumulation at the catchment scale, which can, in turn, decrease or increase the times of concentration in the catchments.
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) | 0,001 | 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 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 ».