How much inundation occurs in the Amazon River basin?
Notice bibliographique
Résumé
The Amazon River basin harbors some of the world’s largest wetland complexes, which are of major importance for biodiversity, the water cycle and climate, and human activities. Accurate estimates of inundation extent and its variations across spatial and temporal scales are therefore fundamental to understand and manage the basin’s resources. More than fifty inundation estimates have been generated for this region, yet major differences exist among the datasets, and a comprehensive assessment of them is lacking. Here we present an intercomparison of 29 inundation datasets for the Amazon basin derived from remote sensing-based products, hydrological models and multi-source products. Spatial resolutions range from 12.5 m to 25 km, and temporal resolution from static to monthly intervals, covering up to a few decades. Overall, 26% of the lowland Amazon basin is estimated as subject to inundation by at least one product. The long-term maximum inundated area across the entire basin (lowland areas with elevation < 500 m) is estimated at 599,700 ± 81,800 km² if considering only higher quality SAR-based products and 490,300 ± 204,800 km² if considering 18 basin-scale datasets. However, even the highest resolution SAR-based product underestimates the local maximum values, as estimated by subregional products, suggesting a basin-wide underestimation of ~10%. The minimum inundation extent shows greater disagreements among products than the maximum extent: 139,300 ± 127,800 km² for SAR-based products and 112,392 ± 79,300 km² for the overall average. Discrepancies arise from differences among sensors, time periods, dates of acquisition, spatial resolution, and data processing algorithms. The median total area subject to inundation in medium to large river floodplains (drainage area > 1,000 km²) is 323,700 km². The highest spatial agreement is observed for floodplains dominated by open water such as along the lower mainstem rivers, whereas intermediate agreement is found along major vegetated floodplains fringing larger rivers (e.g., Amazon mainstem floodplain). Especially large disagreements exist among estimates for interfluvial wetlands (Llanos de Moxos, Pacaya-Samiria, Negro, Roraima), where inundation tends to be shallower and more variable in time. Our data inter-comparison helps identify the current major knowledge gaps regarding inundation mapping in the Amazon and their implications for multiple applications. In the context of forthcoming hydrology-oriented satellite missions, we make recommendations for future developments of inundation estimates in the Amazon and present a WebGIS application (https://amazon-inundation.herokuapp.com/) we developed to provide user-friendly visualization and data acquisition of current Amazon inundation datasets.
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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».