Deriving synthetic rating curves from a digital elevation model to delineate the inundated areas of small watersheds
Notice bibliographique
Résumé
Two southern Quebec (Canada) watersheds were used to validate the proposed method for delineating inundated areas of small watersheds: the 554-km2 St.Charles and the 133 km2 À la Raquette watersheds. Observed data from six-gauge stations were used to validate the Synthetic Rating Curves (SRC) developed in the study. This research focuses on the application of the Height Above the Nearest Drainage (HAND) method to derive SRCs and support floodplain mapping in small watersheds. Accurate floodplain delineation is crucial of flood management, particularly in datascarce regions. This study presents a novel approach using (HAND) approach to precisely identify flood-prone areas. It involves generating (SRCs) connecting discharge and terrain derived hydraulic characteristics, integrated into PHYSITEL; a Geographic Information System (GIS) for distributed hydrological modeling. The Froude number established a consistent relationship between mean discharge and water depth across various discharge levels, defining unique hydraulic regimes. A Global Sensitivity Analysis quantified the uncertainty associated with SRC parameters, guiding calibration efforts to achieve biases below 20%. For both watersheds, postcalibration results showed SRCs with NRMSE values between 0.03 and 0.62. HANDSRC-based inundated areas corroborated the Quebec City flood risk zones well, with over 70% recall and 90% precision, validating its efficacy. These results contribute significantly to the region by providing SRCs for ungauged river sections and delineating first-hand floodplain maps.
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) | 0,000 | 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 ».