The limits of watershed delineation: implications of different DEMs, DEM resolutions, and area threshold values
Notice bibliographique
Résumé
Abstract Identifying and demarcating watershed areas provides a basis for designing and planning for water resources. In this study, DEMs-based estimates of watershed characteristics of three rivers of Bangladesh – Halda, Sangu, and Chengi – were derived using eight Digital Elevation Models (DEMs) of 30 m, 90 m, and 225 m resolution in the Soil and Water Assessment Tool (SWAT). We have assessed watershed characteristics concerning DEMs, resolutions, and Area Threshold Values (ATVs). Though the elevation data differed, high correlation values among DEMs and resolutions confirm the negligible effect of elevation in the watershed delineation. However, the slope and watershed delineation vary for different DEMs and resolutions. The 90 m DEMs estimated larger areas for Halda and Chengi and lower perimeter values for all three rivers. In watershed delineation, the area near the mouth and flat terrain did not coincide with DEMs. The common intersected area by DEMs can be used as the focal area of watershed management. ATV ≤ 40 km2 significantly influences sub-basin counts and stream network extraction for these watershed areas. Though watershed size and shape were independent of the different ATVs, the DEM-based watershed delineation process in SWAT needs optimum ATV values to represent the stream network precisely.
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 | 0,001 | 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 ».