...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geophysical Research Letters >Global Estimates of Reach-Level Bankfull River Width Leveraging Big Data Geospatial Analysis
【24h】

Global Estimates of Reach-Level Bankfull River Width Leveraging Big Data Geospatial Analysis

机译：REACH-LEVEL BANDFULL河宽的全球估计利用大数据地理空间分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent progress in remote sensing has snapshotted unprecedented numbers of river planform geometry, providing opportunity to revisit the oversimplified channel shape parameterizations in global hydrologic models. This study leveraged two recent Landsat-derived global river width databases and created a reach-level width dataset to measure the validity of model parameterizations at similar to 1.6 million kilometers of rivers in length. By showing state-of-the-art parameterization schemes only capture 30-40% of the width variance globally, we developed a machine learning (ML) approach surveying 16 environmental covariates, which considerably improved the predictive power (R-2 = 0.81 and 0.77 for two testing cases). Beyond the commonly discussed upstream basin conditions, ML revealed that local physiographic factors and human interference are also important covariates for width variability. Finally, we applied the ML model to estimate bankfull river width, creating a new reach-level dataset for use in global hydrodynamic modeling.
机译：遥感中最近的进展具有快照的前所未有的河流普通几何，提供了重新过度简化的通道形状参数在全球水文模型中的机会。本研究利用了最近的两个Landsat衍生的全球河宽度数据库，并创建了一个达级宽度数据集，以测量模型参数化的有效性，类似于260万公里的河流。通过显示最先进的参数化方案，仅捕获全球30-40％的宽度方差，我们开发了一种机器学习（ml）方法测量16个环境协变量，这显着改善了预测力（R-2 = 0.81和两个测试用例为0.77）。除了普遍讨论的上游盆地条件外，ML显示局部地理因素和人类干扰也是宽度可变性的重要协变量。最后，我们应用了ML模型来估计银行河宽，创建一个新的REACH级数据集，用于全局流体动力学建模。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号