Spatial-Temporal Evaluation of Satellite-Derived Rainfall Estimations for Water Resource Applications in the Upper Congo River Basin
Notice bibliographique
Résumé
Satellite rainfall estimates are robust alternatives to gauge precipitation, especially in Africa, where several watersheds and regional water basins are poorly gauged or ungauged. In this study, six satellite precipitation products, the Climate Hazards Group Infrared Precipitation with Stations (CHIRPS); Tropical Applications of Meteorology Using Satellite and Ground-based Observations (TAMSAT); TRMM Multi-satellite Precipitation Analysis (TMPA); and the National Aeronautics and Space Administration’s new Integrated Multi-SatellitE Retrievals for Global Precipitation Measurement (GPM) early run (IMERG-ER), late run (IMERG-LR), and final run (IMERG-FR), were used to force a gauge-calibrated Soil & Water Assessment Tool (SWAT) model for the Congo River Basin, Central Africa. In this study, the National Centers for Environmental Prediction’s Climate Forecast System Reanalysis (CFSR) calibrated version of the SWAT was used as the benchmark/reference, while scenario versions were created as configurations using each satellite product identified above. CFSR was used as an independent sample to prevent bias toward any of the satellite products. The calibrated CFSR model captured and reproduced the hydrology (timing, peak flow, and seasonality) of this basin using the average monthly discharge from January 1984–December 1991. Furthermore, the results show that TMPA, IMERG-FR, and CHIRPS captured the peak flows and correctly reproduced the seasonality and timing of the monthly discharges (January 2007–December 2010). In contrast, TAMSAT, IMERG-ER, and IMERG-LR overestimated the peak flows. These results show that some of these precipitation products must be bias-corrected before being used for practical applications. The results of this study will be significant in integrated water resource management in the Congo River Basin and other regional river basins in Africa. Most importantly, the results obtained from this study have been hosted in a repository for free access to all interested in hydrology and water resource management in Africa.
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 | 0,002 | 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 ».