A Remote Sensing-Based Method to Assess Water Level Fluctuations in Wetlands in Southern Brazil
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The characterization of water level fluctuations is crucial to explain the hydrological processes that contribute to the maintenance of the structure and function of wetlands. The aim of this study was to develop a method based on remote sensing to characterize and map the water level variation patterns, evapotranspiration, discharge, and rainfall over wetlands in the Gravataí River basin, Rio Grande do Sul (RS), Brazil. For this purpose, ground-based measurements of rainfall, water discharge, and evapotranspiration together with satellite data were used to identify the apparent water level based on the normalized difference water index (NDWI). Our results showed that the variation of the water level followed the rainfall, water discharge, and evapotranspiration seasonal patterns in the region. The NDWI showed similar values to the ground-based data collected 10 days prior to satellite image acquisition. The proposed technique allows for quantifying the pattern of flood pulses, which play an important role for establishing the connectivity between different compartments of wetlands in the study area. We conclude that our methodology based on the use of satellite data and ground measurements was a useful proposition to analyze the water level variation patterns in an area of great importance in terms of environmental degradation and use of agriculture. The information obtained may be used as inputs in hydrologic models, allowing researchers to evaluate the impact, at both local and regional scales, caused by advance of agriculture into natural environments such as wetlands.
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.
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 | 0,001 | 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 | 0,001 |
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 découle