Evaluation of a Combined Index Based on Hydrological Model for Drought Monitoring in Central Iran
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
Abstract In recent years, drought has become a global problem. Undoubtedly, drought monitoring is an important step for combating and reducing the resultant damage. Soil moisture, namely its spatial and temporal variability, is one of the most important environmental variables. Due to the difficulty cost, and timeliness of field measurements, this parameter has not been used widely in drought indexes. The recent development of global databases based on satellite imagery as well as rapid progress in hardware and software for modeling complex processes governing the water balance at the land surface employ these new tools to reduce the limitations in this field. The purpose of this research is to provide a comprehensive drought monitoring approach by integrating remote sensing data and the variable infiltration capacity (VIC) model with the Palmer Index (PDSI) in central Iran. In this study, the components of water and energy balance in the Central Iran region were simulated using the VIC land surface model. The output components of this model, especially soil moisture after evaluation, were used as inputs in the drought index based on Palmer’s water balance. The integrated index of the VIC-PDSI in comparison with conventional Palmer indices and the SPI index at the 3, 6, 12, 24, and 48-month intervals was fitted with increments in moisture data and variations in the storage of water extracted from GRACE satellite data. Results showed that the combination of VIC-PDSI had the highest correlation coefficient of 0.87 with groundwater level change compared with other drought indices.
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) | 0,000 | 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 découle