Reasonable agreements and mismatches between land-surface-water-area estimates based on a global river model and Landsat data
Notice bibliographique
Résumé
Land surface water is a key component of the global water cycle. Compared to remote sensing by satellites, both temporal extension and spatial continuity is superior in modeling of water surface area. However, overall evaluation of models representing different kinds of surface waters at the global scale is lacking. We estimated land surface water area (LSWA) using the Catchment-based Macro-scale Floodplain model (CaMa-Flood), a global hydrodynamic model, and compared the estimates to Landsat with 3″ spatial resolution at the global scale. Results show that the two methodologies show agreement in the general spatial patterns of LSWA (e.g., major rivers and lakes, open-to-sky floodplains), but globally consistent mismatches were found under several land surface conditions. CaMa-Flood underestimates LSWA in high northern latitudes (e.g., the Canadian Shield) and coastal areas, as the presence of isolated lakes in local depressions or small coastal rivers is not considered by the model’s physical assumptions. In contrast, model-estimated LSWA is larger than Landsat estimates in forest-covered areas (e.g., Amazon basin) due to the opacity of vegetation for optical satellite sensing, and in cropland areas due to the lack of dynamic water processes (e.g., re-infiltration, evaporation, water consumption) and constraints of water infrastructure (e.g., canals, levees). These globally consistent differences can be reasonably explained by the model’s physical assumptions or optical satellite sensing characteristics, and applying filters (e.g., floodplain topography mask, forest and cropland mask) to the two datasets allows the remaining local-scale discrepancies to be attributed to locally varying factors (e.g., channel parameters, atmospheric forcing).
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».