SENSITIVITY OF TERRAIN ATTRIBUTES, WATERSHED ATTRIBUTES, AND SWAT DERIVED HYDROLOGICAL OUTPUTS TO LIDAR DERIVED DEM UNCERTAINTY
Notice bibliographique
Résumé
This research analyzes the sensitivity of watershed attributes, and hydrological outputs to LiDAR derived DEM uncertainty introduced through spatial resolution, and LiDAR measurement errors. Sensitivity of watershed attributes to spatial resolution was determined through a scaling analysis at three sites; Mosquito Creek, Scotty Creek and Thomas Brook, with DEMs ranging from 1 to 50 m. Results at Scotty Creek showed the highest sensitivity of watershed area to spatial resolution, due to subtle changes in elevation which were below DEM uncertainty. Validation of the stream length at Thomas Brook showed discrepancies of 3.7 to 24.1% for the 1 to 50 m DEMs, compared to independent field observations. Sensitivity of SWAT derived hydrological outputs to DEM spatial resolution were determined through a scaling analysis of DEMs (1 - 50 m) at Thomas Brook watershed, over a five year simulation period. Results indicated monthly water yield was insensitive to DEM resolution, unless a change in area was also present. Sediment yield from the 50 m DEM showed a 24% reduction compared to the 1 m DEM. The 5 - 50 m DEMs also showed a reduction in channel deposition of 45 - 90 t, compared to the 1 m DEM. Sensitivity of terrain attributes, watershed attributes and hydrological outputs to LiDAR measurement errors were determined at the Thomas Brook watershed through the propagation of LiDAR sensor measurement errors with Monte Carlo simulations. Results showed that the uncertainty in the DEM, slope, and aspect were below 0.06 cm, 1.5° and 24.1° in 97.5% of grid cells, respectively. Watershed area and stream length resulted in relative standard deviations of <1% and 1.5%, respectively. However, sensitivity of watershed area increased in regions with elevation changes below DEM uncertainty and stream length uncertainty increased with decreasing stream length. SWAT simulated flow and sediment showed minor sensitivity to LiDAR measurement error in high flow months, and increased as flow decreased. Simulated sediment showed higher sensitivity to LiDAR measurement errors than flow, due to changes in the HRU slope class, which can shift the dominant HRU (Hydrological Response Unit) if a minimum HRU threshold area is implemented.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».