Daha çox

ArcMap-da bir çox çay üçün çay yamacını avtomatik olaraq necə hesablamaq olar?


ArcMap 10.2 ilə işləyirəm və bu sahədə olduqca yeniyəm ... Nə etmək istədiyim bir DTM-dən bir çox çay üçün çay yamacını hesablamaqdır ... Bunu əl ilə excelin yanından keçirmək üçün bir yol olduğunu bilirəm. … Amma bunu etmək üçün avtomatik bir yol varmı deyə düşünürdüm ... bəlkə də digər proqramlardan istifadə edərək ... Mən təhlil etmək üçün bütün Swizerland ərazilərinə sahibəm ...


Hidrologiya / qövs mövzusunda yenisinizsə, arc hydro istifadə etməyinizi məsləhət görürəm (10.2 üçün yüklə və sənədləşdirməyə cəhd edin). Bu, sizə Hövzə Qenerasiya - Axın Yolu Parametrləri - 2B Xəttdən Axın Yolu Parametrləri istifadə edərək orta meyl və 10-85 verəcəkdir.

elrobis-lər düzgündür ki, yamacdan daha tez-tez nümunə götürmək lazım ola bilər: (1) çayların necə müəyyənləşdirildiyi (ümumiyyətlə yığılma əsas götürülsə də, uzunluğu düşünün) (2) ərazidəki yamacdakı dəyişiklik (3) necə olduğunuzdan nəticələrinizi istifadə edərək. Bununla belə, əgər belədirsə, eyni yamac təyini metodunu, lakin daha incə çay seqmentlərində / təriflərində istifadə edə bilərsiniz.


& ldquoRiver & rdquo mətndə aşkarlama

TeX stackexchange üzərində, bu sualdakı bəndlərdə "çayları" necə aşkar edəcəyimizi müzakirə etdik.

Bu kontekstdə çaylar mətndəki interword boşluqlarının təsadüfən uyğunlaşması nəticəsində yaranan ağ boşluq zolaqlarıdır. Bu, oxucu üçün kifayət qədər yayındırıcı ola biləcəyi üçün pis çaylar zəif tipoqrafiyanın əlaməti sayılır. Çaylarla mətnə ​​nümunə olaraq çapraz axan iki çayın olduğu bu mətndir.

Bu çayların avtomatik olaraq aşkarlanmasına maraq var ki, onların qarşısını almaq üçün (ehtimal ki, mətnin əl ilə düzəldilməsi yolu ilə). Raphink TeX səviyyəsində bir qədər irəliləyir (yalnız qlif mövqelərini və məhdudlaşdırıcı qutuları bilir), amma çayların aşkarlanmasının ən yaxşı yolunun bəzi görüntü emalları olduğuna inanıram (qlif şəkilləri çox vacibdir və TeX-də mövcud deyil) . Çayları yuxarıdakı görüntüdən çıxarmaq üçün müxtəlif yollar sınamışam, amma az miqdarda ellipsoidal bulanıklığı tətbiq etmək barədə sadə fikrim kifayət qədər yaxşı görünmür. Bəzilərini də sınadım Radon Hough çevirmə əsaslı filtrləmə, amma bunlarla da heç yerə çatmadım. Çaylar insan gözünün / retinasının / beyninin xüsusiyyət aşkarlama dövrələrində çox görünür və bunun bir növ filtrasiya əməliyyatına çevrilə biləcəyini düşünürdüm, amma işləyə bilmərəm. Fikirləriniz varmı?

Konkret olaraq yuxarıdakı şəkildəki 2 çayı aşkar edəcək, amma çox başqa yalan pozitiv aşkarlamalara sahib olmayan bir əməliyyat axtarıram.

RED: endolit, TeX-də qlif mövqelərinə, boşluqlara və s. çıxış əldə etdiyimizi və həqiqi mətni araşdıran bir alqoritmdən istifadə etməyimizin daha sürətli və daha etibarlı ola biləcəyini nəzərə alaraq görüntü işləmə əsaslı bir yanaşma tətbiq etdiyimi soruşdu. İşləri başqa yolla etməyimin səbəbi budur forma qliflərin bir çayın nə qədər nəzərə çarpacağına təsir göstərə bilər və mətn səviyyəsində bu formanı nəzərdən keçirmək çox çətindir (bu, yazı tipindən, bağlamadan və s. asılıdır). Qliflərin formasının necə vacib ola biləcəyinə dair bir nümunə üçün aşağıdakı iki nümunəni nəzərdən keçirin, bunların arasındakı fərq, bir neçə qlifi demək olar ki, eyni eni digərləri ilə əvəzləməyimdir ki, mətn əsaslı analiz bunlar eyni dərəcədə yaxşı / pis. Ancaq birinci nümunədəki çayların ikinciyə nisbətən daha pis olduğunu unutmayın.


Axın axını necə ölçülür

Bir çayda nə qədər suyun axdığını necə izah etmək olar? Suyun nə qədər yüksəldiyini / düşdüyünü ölçə bilərikmi? Suyun səthinin hündürlüyünə axın mərhələsi və ya gage hündürlüyü deyilir. Bununla birlikdə, USGS bir çayda nə qədər su axdığını təyin etmək üçün daha dəqiq yollara malikdir. Daha çox məlumat üçün oxuyun.

USGS Streamgaging-ə giriş

ABŞ Geoloji Xidməti (USGS) 1889-cu ildə Nyu Meksikoda Rio Grande çayı üzərində yeni inkişafa və qərbdəki genişlənməyə təşviq etmək üçün suvarma məqsədləri üçün lazımi suyun olub olmadığını müəyyənləşdirməyə kömək etmək üçün ilk axınına başladı. USGS, daşqının proqnozlaşdırılması, suyun idarəedilməsi və paylanması, mühəndis dizaynı, tədqiqat, kilidlərin və bəndlərin istismarı və istirahət təhlükəsizliyi və həzz daxil olmaqla müxtəlif istifadə üçün axın məlumatlarını təmin edən 8200-dən çox fasiləsiz qeyd axını fəaliyyət göstərir.

Axın axını necə ölçülür

Yerli bir çayın dinc sahilində əylənməkdən zövq aldığınız zaman özünüzə verə biləcəyiniz bir sual "Bu çayda nə qədər su axır?" Cavab üçün doğru yere gəldiniz. USGS onilliklər boyu minlərlə çay və axarda axın axını ölçür və bu Veb səhifələrini oxuyaraq bütün axın ölçmə prosesinin necə işlədiyini öyrənə bilərsiniz.

Tez-tez böyük bir yağış fırtınası zamanı radioda "Peachtree Creek'in bu günün 14.5 futda tapılması gözlənilir" kimi bir elan eşidə bilərsiniz. Diqqətçinin dediyi 14.5 fut, axın mərhələsidir. Axın mərhələsi, axın hesablamaq üçün istifadə oluna bilməsi (aşağıda təsvir olunan mürəkkəb bir prosesdən sonra) və ya hər an axın içərisində nə qədər suyun axması ilə vacibdir.

Axın mərhələsi (mərhələ və ya gage hündürlüyü də deyilir), suyun səthinin ayaqları səviyyəsində, mərhələnin sıfır olduğu müəyyən edilmiş bir hündürlükdən yuxarı hündürlüyüdür. Sıfır səviyyə özbaşına olur, lakin çox vaxt axınına yaxındır. A-ya baxaraq axın mərhələsinin nə olduğuna dair bir fikir əldə edə bilərsiniz ortaq işçi qraflığının mənzərəsi, axın mərhələsinin vizual oxunuşunu etmək üçün istifadə olunur. Dəzgah 1/100 və 1/10 ayaq aralıqlarında qeyd olunur.

Streamgaging ümumiyyətlə 3 addımdan ibarətdir:

1. Axın mərhələsinin ölçülməsi- davamlı bir mərhələ qeydinin əldə edilməsi - axın və ya çay boyunca bir yerdə su səthinin hündürlüyü
2. Boşalma ölçüsü- axıdmanın periyodik ölçülərinə nail olmaq (axın boyunca bir yerdən keçən suyun miqdarı)
3. Mərhələ-boşalma əlaqəsi- davamlı olaraq ölçülən mərhələni axın və ya axıdma təxminlərinə çevirmək üçün mərhələ-axıdma əlaqəsini istifadə edərək mərhələ ilə axıdma arasındakı təbii, lakin tez-tez dəyişən əlaqəni müəyyənləşdirmək

Axın mərhələsinin ölçülməsi

Əksər ABŞ Geoloji Tədqiqatı (USGS) axın mərhələsini ölçür və axın mərhələsi məlumatlarını ölçmək, saxlamaq və ötürmək üçün istifadə olunan cihazların yerləşdiyi bir quruluşdan ibarətdir. Bəzən gage hündürlüyü deyilən mərhələ müxtəlif metodlardan istifadə etməklə ölçülür. Ümumi yanaşmalardan biri çay sahilindəki və ya bir körpü dayağına bərkidilmiş bir quyu. Çaydan gələn su, dayanma quyusundakı suyun səthinin çaydakı su səthi ilə eyni yüksəklikdə olmasına imkan verən sualtı borularla sakit quyuya daxil olur və çıxır. Mərhələ daha sonra bir şamandıra və ya bir təzyiq, optik və ya akustik sensor istifadə edərək sükan quyusunun içərisində ölçülür. Ölçülən mərhələ dəyəri elektron məlumat yazıcıda normal bir fasilədə, ümumiyyətlə hər 15 dəqiqədən bir saxlanılır.

Bəzi axın sahələrində bir dayanma quyusu mümkün deyil və ya quraşdırılması səmərəli deyil. Alternativ olaraq, mərhələ bir borudan kiçik bir qaz axını saxlamaq və axın içərisində suyun altında sabit bir yerdə köpüklənmək üçün lazım olan təzyiqi ölçməklə müəyyən edilə bilər. Ölçülmüş təzyiq birbaşa axındakı boru çıxışı üzərindəki suyun hündürlüyü ilə bağlıdır. Boru çıxışı üzərindəki suyun dərinliyi artdıqca qaz balonlarını borudan itələmək üçün daha çox təzyiq tələb olunur.

USGS tərəfindən idarə olunan axın ölçüləri hansının daha böyük olduğu 0,01 fut və ya mərhələnin yüzdə 0,2'sinə qədər dəqiq olan mərhələ ölçmələrini təmin edir. Güzəştdəki mərhələ, məlumat bazası kimi tanınan sabit bir istinad səviyyəsinə görə ölçülməlidir. Bəzən axın strukturları daşqınlardan zədələnir və ya zamanla yerləşə bilər. Dəqiqliyi qorumaq və mərhələnin sabit bir istinad hündürlüyü üzərində ölçülməsini təmin etmək üçün axın strukturlarının yüksəklikləri və əlaqəli mərhələ ölçülməsi, müntəzəm olaraq axın yaxınlığındakı qalıcı yüksəklik göstəricilərinə görə araşdırılır.

Mərhələ bəzi məqsədlər üçün dəyərli məlumatlar olmasına baxmayaraq, axın məlumatlarının istifadəçilərinin əksəriyyəti axın və ya axıdma ilə maraqlanır - axar və ya çayda axan suyun miqdarı, ümumiyyətlə saniyədə kub fut və ya gündə galon ilə ifadə olunur. Bununla birlikdə, axın borusunun axıdılmanın davamlı olaraq ölçülməsi praktik deyil. Xoşbəxtlikdən, çay mərhələsi ilə axıdma arasında güclü bir əlaqə mövcuddur və nəticədə davamlı mərhələ çay qeydindən çay axıdılmasının davamlı qeydləri müəyyən edilə bilər. Mərhələdən axıdmanın təyini, geniş çay mərhələlərində axıdmanın ölçülməsi ilə mərhələ axıdılması əlaqəsinin müəyyənləşdirilməsini tələb edir.

Boşalma ölçüsü

Boşalma, vaxt daxilində bir çaydan və ya çaydan aşağıya doğru irəliləyən suyun həcmidir, ümumiyyətlə saniyədə kub fut və ya gündə galon ilə ifadə edilir. Ümumiyyətlə, çay axıdılması bir kanal kəsişməsindəki suyun sahəsini həmin kəsikdəki suyun orta sürətinə vurmaqla hesablanır:

boşalma = sahə x sürət

USGS, sürəti və kəsişmə sahəsini ölçmək üçün aşağıdakı cərəyan sayğacı və Akustik Doppler Cari Profiler də daxil olmaqla çoxsaylı metod və avadanlıq növündən istifadə edir.

Alt hissələrlə kanal kəsişməsinin diaqramı.

Sürəti ölçmək üçün USGS tərəfindən istifadə edilən ən ümumi metod cari sayğacdır. Bununla birlikdə, səhnəni hiss etmək və axın ölçmək üçün müxtəlif inkişaf etmiş avadanlıqlardan da istifadə edilə bilər. Ən sadə üsulla, bir cari sayğac çay və ya axın axını ilə çevrilir. Cari sayğac, işarələnmiş bir xətt, asma kanat yolu və ya çay və ya axın üzərindəki körpü boyunca əvvəlcədən təyin olunmuş nöqtələrdə (alt hissələrdə) suyun sürətini ölçmək üçün istifadə olunur. Suyun dərinliyi də hər nöqtədə ölçülür. Bu sürət və dərinlik ölçmələri müəyyən bir zaman aralığında xəttin üstündən axan suyun ümumi həcmini hesablamaq üçün istifadə olunur. Ümumiyyətlə bir çay və ya çay çay və ya axın boyunca mütəmadi olaraq 25-30 aralığında yerlərdə ölçülür.

Cari Metr

Tullantıların ölçülməsi üçün USGS tərəfindən on illərdir istifadə olunan bir metod mexaniki cərəyan ölçmə metodudur. Bu metodda axın kanalı kəsiyi çoxsaylı şaquli alt hissələrə bölünür. Hər alt hissədə alt hissənin genişliyi və dərinliyi ölçülməklə sahə əldə edilir və cari sayğacdan istifadə edərək suyun sürəti müəyyənləşdirilir. Hər alt hissədəki boşalma alt hissəni ölçülmüş sürətə vurmaqla hesablanır. Ümumi boşalma daha sonra hər alt hissənin axıdılması cəmləşdirilərək hesablanır.

ABŞ-da geniş axın şəraiti olduğu üçün USGS işçiləri tərəfindən cari metr ölçmələri üçün çox sayda avadanlıq və metod istifadə olunur. Alt hissənin genişliyi ümumiyyətlə bir kabel, polad lent və ya bənzər bir avadanlıqla ölçülür. Alt hissənin dərinliyi, şərtlər icazə verərsə, bir dalğalanma çubuğu ilə və ya kalibrlənmiş bir kabel və makaralı sistemdən bir körpüdən, teleferikdən və ya qayıqdan və ya buzda qazılmış bir çuxurdan bir səs çəkmə dayandırılaraq ölçülür.

1900-cü illərin əvvəllərində hazırlanmış və 1930-cu ildən əvvəl dəfələrlə dəyişdirilmişdir. W. & amp L. E. Gurley Company, Troy, New Yorkdan satın alınmışdır.
Obyekt ID: USGS-000458

Kredit: Justin Bongard, ABŞ Geoloji Araşdırması. İctimai domen.

Axın sürətini cari bir sayğacdan istifadə etməklə ölçmək olar. USGS tərəfindən istifadə olunan ən ümumi cərəyan sayğacı Qiymət AA cərəyan sayğacdır. Qiymət AA cərəyan sayğacının şaquli ox ətrafında fırlanan altı metal fincandan ibarət təkəri var. İnqilabların sayılması və vaxtı təyin edilməsinə imkan verən hər dövrdə sayğac tərəfindən elektron siqnal ötürülür. Fincanların fırlanma sürəti suyun sürəti ilə birbaşa əlaqəli olduğundan, vaxtı olan inqilablar su sürətini təyin etmək üçün istifadə olunur. Qiymət AA sayğacı dayaz sularda ölçmə üçün gəzmə çubuğuna yapışdırılmaq və ya sürətli və ya dərin suda ölçülməsi üçün bir kabel və rulon sistemindən asılmış bir ağırlığın üstündə quraşdırılmaq üçün hazırlanmışdır. Dayaz suda Pygmy Price cərəyan sayğacından istifadə edilə bilər. Qiymət AA sayğacının beşdə iki miqyaslı bir versiyasıdır və dalğalı çubuğa bərkidilmək üçün hazırlanmışdır. Üçüncü mexaniki cərəyan sayğacı, həmçinin Qiymət AA cərəyan sayğacının bir dəyişikliyi buzun altındakı su sürətini ölçmək üçün istifadə olunur. Ölçüləri buzdakı kiçik bir çuxurdan asanlıqla keçməyə imkan verir və buzun və palçıqın yapışmasını əngəlləyən polimer rotor çarxına malikdir.

Akustik Doppler Cari Profiler

ABŞ Geoloji Tədqiqat hidroloji texnikləri, fosfor kütlə tarazlığının öyrənilməsi çərçivəsində Boise Qazilər Memorial Parkındakı Boise çayı üzərindəki axını ölçmək üçün akustik Doppler cərəyanı profilerindən istifadə edirlər.

Kredit: Tim Merrick, USGS. İctimai domen

Son illərdə texnologiyadakı inkişaf USGS-ə bir Akustik Doppler Cari Profiler (ADCP) istifadə edərək axıdma ölçmələri etməyə imkan verdi. Bir ADCP suyun sürətini ölçmək üçün Doppler Təsiri prinsiplərindən istifadə edir. Doppler təsiri, buynuzunu çalmaqda olan bir avtomobil və ya qatarın yanından keçəndə yaşadığımız fenomendir. Maşın və ya qatar keçdikdə, buynuz səsi tezliyində azalmış kimi görünür.

ADCP, su nəbzini suya göndərərək və ADCP-yə yansıyan çöküntü və ya digər hissəciklər ilə əks olunan səs nəbzinin tezlik dəyişikliyini ölçərək suyun sürətini təyin etmək üçün Doppler Effektindən istifadə edir. ADCP tərəfindən ölçülən tezlikdəki dəyişiklik və ya Doppler Shift, su sürətinə çevrilir. Səs bir çeviricidən çayın dibinə suya ötürülür və bütün dərinlikdə geri dönüş siqnalları alır. ADCP, həmçinin ADCP-yə qayıdan çayın dibinə çatmaq üçün səs nəbzinin hərəkət müddətini ölçərək suyun dərinliyini ölçmək üçün akustikadan istifadə edir.

Boşalma ölçümü aparmaq üçün ADCP, akustik şüaları su səthindən suya yönəldilmiş bir qayıq və ya kiçik bir gəmiyə (yuxarıdakı diaqram) quraşdırılmışdır. Daha sonra ADCP kanal boyunca sürət və dərinlik ölçüləri əldə etmək üçün çayın səthindən keçir. ADCP akustik şüalarının və ya Qlobal Bir Yerləşdirmə Sisteminin (GPS) çay altından izləmə qabiliyyəti kanalda ADCP-nin irəliləməsini izləmək və kanal genişliyi ölçmələrini təmin etmək üçün istifadə olunur. Sahəni və sürət ölçmələrini hesablamaq üçün dərinlik və genişlik ölçmələrindən istifadə edərək, axıdma şərti cərəyan ölçmə metoduna bənzər boşalma = sahə x sürət istifadə edərək ADCP tərəfindən hesablanır. Dalğıc ölçmələri aparmaq üçün akustik sürət sayğacları da hazırlanmışdır (şəkil sola).

ADCP-nin bir neçə yolla düzəldilməsində faydalı olduğu sübut edilmişdir. ADCP-lərin istifadəsi, boşalma ölçməsinin aparılması müddətini azaldıb. ADCP əvvəllər mümkün olmayan bəzi daşqın şəraitində axıdma ölçülərinin aparılmasına imkan verir. Nəhayət, ADCP, mexaniki bir cərəyan sayğacının olduğu nöqtələrdə deyil, bir kəsişmənin əksəriyyəti üçün suyun sürəti və istiqaməti barədə ətraflı bir məlumat verir və bu, boşaltma ölçmə dəqiqliyini artırır.

Mərhələ-boşalma əlaqəsi

"Ölçmə Mərhələsi" bölməsində deyildiyi kimi, axınlar fasiləsiz olaraq ölçülür. Mərhələnin bu davamlı qeydləri, mərhələ-boşaltma əlaqəsi (qiymətləndirmə adlanır) tətbiq olunaraq çay axıdılmasına çevrilir. Mərhələ-axıdma münasibətləri fiziki olaraq ölçülərək inkişaf etdirilir. çayın mexaniki bir cərəyan sayğacı və ya ADCP ilə axınının hər bir ölçülməsi üçün geniş bir mərhələdə axını müvafiq bir mərhələ ölçüsü var USGS, 6-8 həftədə bir çox axın axınlarında boşalma ölçmələri edir. axındakı mərhələ və axınlar mütəmadi olaraq ölçülür, bu ölçmələr daha az baş verdiyindən son dərəcə yüksək və aşağı mərhələlərin və axınların ölçülməsi üçün xüsusi səy göstərilir. Mərhələ boşalma əlaqəsi kanalın forma, ölçü, meyl və pürüzlülüyündən asılıdır. axın və hər axın üçün fərqlidir.

USGS Mərhələ-Boşalma Münasibəti Nümunəsi.

Mərhələnin davamlı qeydləri riyazi reytinq əyrisi tətbiq olunaraq axına çevrilir. Reytinq əyrisi (şəkil 3) müəyyən bir çay və ya axın üçün mərhələ ilə axın arasındakı əlaqənin qrafik təsviridir. USGS kompüterləri, su səviyyəsindəki məlumatları çayın axını haqqında məlumatlara çevirmək üçün bu sahəyə aid reytinq əyrilərindən istifadə edirlər.

Dəqiq bir mərhələ axıdılması əlaqəsinin inkişafı, bütün mərhələ və axın aralığında çox sayda boşalma ölçməsini tələb edir. Əlavə olaraq, axın kanalları daim dəyişdiyindən bu əlaqələr davamlı boşalma ölçülərinə qarşı mütəmadi yoxlanılmalıdır. Axın kanallarındakı dəyişikliklər tez-tez axan materialların aşınması və ya çökməsi, mövsümi bitki örtüyünün böyüməsi, zibil və ya buz səbəb olur. Mövcud bir mərhələ-boşaltma əlaqəsi qrafiki üzərində qurulmuş yeni boşalma ölçmələri bunu göstərəcək və qiymətləndirmə mərhələsi üçün düzgün atqının qiymətləndirilməsinə imkan vermək üçün tənzimlənə bilər.

Mərhələ məlumatlarını axın məlumatlarına çevirmək

Əksər USGS streamgages mərhələ məlumatlarını peyk vasitəsi ilə inkişaf etdirilmiş mərhələ axıdılması münasibətindən (reytinq) istifadə edərək axın axınının qiymətləndirilməsi üçün istifadə olunduğu USGS kompüterlərinə ötürür. Mərhələ məlumatları müntəzəm olaraq nəzərdən keçirilir və hesablanan boşalmanın dəqiq olmasını təmin etmək üçün yoxlanılır. Bundan əlavə, USGS-də ölkə daxilində məlumat verilən axın məlumatlarının müqayisəli keyfiyyətə sahib olmasını təmin etmək üçün keyfiyyətə nəzarət prosesləri mövcuddur və ardıcıl metodlardan istifadə edilərək təhlil olunur.

USGS tərəfindən hazırlanan səhnə və axın məlumatlarının əksəriyyəti, vasitəsilə real vaxt ərzində onlayn əldə edilə bilər Milli Su İnformasiya Sistemi (NWIS) Veb. NWIS Veb saytı real vaxt axın məlumatlarına əlavə olaraq, USGS tərəfindən idarə olunan bütün aktiv və dayandırılmış axın axınları üçün rekord dövr üçün gündəlik axıdılmalara və illik maksimum axıdılmalara giriş imkanı verir.

Axın xülasəsi

Streamgaging fasiləsiz bir mərhələ qeydinin əldə edilməsini, dövri boşalma ölçmələrinin aparılmasını, mərhələ ilə boşalma arasında bir əlaqə qurulmasını və qorunmasını və davamlı boşalma qeydini əldə etmək üçün mərhələ boşaltma əlaqəsini mərhələ qeydinə tətbiq etməyi əhatə edir. USGS, 115 ildən çoxdur ki, millətə ardıcıl, etibarlı axın məlumatları təqdim edir. USGS axın məlumatları su idarəçiliyi, təhlükə idarəetməsi, ətraf mühit tədqiqatları və infrastruktur dizaynını dəstəkləmək üçün vacibdir.


DIVA-GIS

DIVA-GIS xəritələşdirmə və coğrafi məlumatların təhlili üçün pulsuz bir kompüter proqramıdır (coğrafi bir məlumat sistemi (CİS). DIVA-GIS ilə dünya və ya çox kiçik bir ərazinin xəritələrini, məsələn, dövlət sərhədlərini, çaylar, peyk şəkli və bir heyvan növünün müşahidə edildiyi yerlərin yerləri pulsuz məkan məlumatları DIVA-GIS və ya digər proqramlarda istifadə edə biləcəyiniz bütün dünya üçün.

Bacararsan yüklə proqramı və sənədləri oxuyun.

DIVA-GIS, növlərin paylanması və ya digər 'nöqtə bölgüsü' kimi biomüxtəliflik məlumatlarının xəritələnməsi və təhlili üçün xüsusilə faydalıdır. ESRI formalı sənədlər kimi standart məlumat formatlarını oxuyur və yazır, beləliklə qarşılıqlı fəaliyyət problem deyil. DIVA-GIS yalnız Windows-da işləyir.

Proqramı məlumatları təhlil etmək üçün istifadə edə bilərsiniz, məsələn, bioloji müxtəlifliyin paylanmasına dair şəbəkə (raster) xəritələr hazırlamaq, müxtəlifliyin yüksək, aşağı və ya tamamlayıcı səviyyələrinə malik sahələri tapmaq. Həm də iqlim məlumatlarını xəritəyə gətirə və soruşa bilərsiniz. BIOCLIM və ya DOMAIN modellərindən istifadə edərək növ paylanmasını proqnozlaşdırmaq olar.


Metodlar

Heyelan uçotu

Heyelan envanteri xəritələrində yerlər və keçmişdə hərəkət edən sürüşmələrin xüsusiyyətləri göstərilir, baxmayaraq ki, ümumiyyətlə onları işə salan mexanizm (lər) göstərilmir. Buna görə də, inventar xəritələri mövcud sürüşmələrin yerləşdiyi məkan bölgüsü və gələcək sürüşmə potensialı haqqında faydalı məlumatlar verir. Tropik dağlıq mühitlərdə sürüşmə xəritələşdirilməsi çətindir, çünki sıx bitki örtüyü sürüşmə meydana gəldikdən dərhal sonra sürüşmələri gizlədir.

Bəzən azaltma tədbirlərinin həyata keçirilməsi, sürüşmə təhlükəsi və riskinin qiymətləndirilməsini əngəlləyən qeyri-kafi və etibarlı sürüşmə inventar xəritəsindən geri çəkilir. Radar, optik peyk şəkilləri və havadan fotoqrafiya şərhi kimi uzaqdan algılama məlumatlarından istifadə etmək, sürüşmə yeri 14 haqqında vacib və qənaətli məlumat əldə etmək üçün əsas metodlardır. Uzaqdan hiss olunan şəkillərdən alınan sürüşmə məlumatları xüsusilə bölgənin morfologiyası, bitki həyatı və hidroloji şərtləri ilə əlaqələndirilir 6.

Sürüşmə xüsusiyyətlərinin aşkarlanmasında bir neçə növ uzaqdan algılama məlumatı istifadə edilə bilər, məsələn, sürüşmələrin həqiqi morfodinamik xüsusiyyətlərini ortaya qoyan stereo-uzaqdan zondlama məhsulları 41. Bu işdə 25 illik bir müddət ərzində nəşr olunmuş hesabatlar, sahə anketləri, rəqəmsal hava fotoşəkilləri (DAP) (10.000-1: 50.000 miqyaslı) şərhi, Mart 2011, WorldView1 peyk şəkilləri, 2004 Noyabr AIRSAR məlumatları istifadə edilmişdir. sürüşmə inventar xəritəsinin çıxarılması.

Çözünürlük = 0,54 m piksel olan bu qara və ağ rəqəmsal şəkillər 1981-2006-cı illər ərzində çəkilmiş və Malayziya Tədqiqat və Xəritəçəkmə Departamentinin arxivlərindən əldə edilmişdir. Panchromatik zolaq üçün 0,46 metrlik bir qətnaməyə sahib olan WorldView-1 peyk məlumatları, meydana gələn sürüşmələrin aşkarlanması və tədqiqat sahəsindəki AIRSAR məlumatlarından alınan sürüşmə inventar xəritəsinin təsdiqlənməsi üçün istifadə edilmişdir. AIRSAR məlumatları, 2004-cü ilin noyabrında, PacRim1 kampaniyası zamanı tədqiqat sahəsi üzərində toplanmışdır. Bu verilənlər bazası, UTM istinad sistemində yaradılan hava fotoşəkilləri və WorldView-1 peyk görüntülərindən yaranan sürüşmə xüsusiyyətləri ilə müqayisə edilməlidir. Sürüşmə yerləri barədə xəritə məlumatlarının toplanması üçün qlobal mövqeləşdirmə sistemi (GPS) istifadə edilərək rəqəmsal hava fotoqrafiyası məlumatlarından stereo modellər yaradılaraq bir çox sahə araşdırması və yer nəzarət nöqtələri (GCP) həyata keçirilmişdir.

Bu yaxınlarda baş verən heyelanların sahə fotoşəkilləri və ilk müəllifin (H. SH) tarla anketlərindən götürdüyü sürüşmə növləri, (a) dayaz bir translatsiya daş sürüşməsi, (b) yol kənarında dayaz bir tərcümə zibil sürüşməsi, (c) və (d) dərin yerləşmiş süxurlar. Ox hərəkət istiqamətini təsvir edir.

Tədqiqat sahəsindəki sürüşmələri müəyyən etmək üçün üç texnika istifadə edilmişdir. Birinci üsul, sürüşmə vektor şəkillərini DEM-lər və AIRSAR raster görüntülərinin üzərinə örtərək birbaşa müqayisə etmək idi. İkinci üsul, ENVI 4.8 proqramından istifadə edərək şəkilləri təsnif etmək idi. Bu, sürüşmələri ətrafdakı digər torpaq örtüyü növlərindən ayırmaq üçündür. Son texnika, sürüşmələri ətrafdakı digər torpaq örtüyü növlərindən ayırmaq və ardından təsnifatı istifadə etməkdir. Bu texnika “eCognition” adlı proqramdan istifadə etməklə həyata keçirilmişdir. ECognition proqramında piksellər şəkil obyektinə bölünür, buna görə də bu proqramdakı görüntü təsnifatı prosesi əvvəllər ENVI 4.8 proqram 42-də həyata keçirilmiş piksel əsaslı təsnifata əsaslanan şəkil obyektləridir.

Seqmentləşdirmədə istifadə olunan məlumatlar 1) yeddi qütbləşmə (Chh, Lhh, Lvv, Lhv, Phh, Pvv və Phv) şəkilləri olan 1) C-, L- və P-band (dalğa boyları) və 2) Yamac görüntüsüdür. Seqmentləşdirmə zamanı sürüşmə hüdudlarında olan piksel qrupu haqqında məlumatlardan istifadə edilmişdir. Məlumata aşağıdakılar daxildir: 1) C-, L- və P-bandın spektral dəyərləri və 2) Sahənin orta yamacı. Bu spektral dəyərlər sürüşmələrin spektral imzalarını təmsil edə bilər. ECognition proqramını istifadə edərək seqmentləşdirmə proseslərində, görüntülərdəki sürüşmələri təyin etmək üçün yeddi qütbləşmə və yamac görüntüsü olan hər üç zolaq birləşdirildi. Mövcud bir sürüşmə müəyyən edilə bilərsə, seqment şəklində nümunə çoxbucağı kimi istifadə edilə bilər. Təsnifat üsullarından istifadə edərək, piksel parlaqlığı və orta meylinin eyni xüsusiyyətinə malik olan bütün digər çoxbucaqlılar oxşar 42 ilə vurğulanacaqdır.

Bundan əlavə, SAR məlumatlarının və optik peyk şəkillərinin səmərəliliyi və keyfiyyəti uyğun bir metoddan istifadə edilməklə araşdırılmalıdır. Alınan nəticənin 43,44 dəqiqliyi üçün orta kvadrat səhv (RMSE) metodu istifadə edilmişdir. Hər bir yer nəzarət nöqtəsi, SAR məlumatlarının və optik peyk şəkillərinin səmərəliliyi 43 düsturuna əsasən hesablanır:

harada sən qalıqdır x ox v qalıqdır y ox.

Sonra ümumi RMSE (Dəyər 2) şəklində alınır:

harada n GCP sayıdır sən qalıqdır x ox v qalıqdır y ox.

Ümumi RMSE hər ərazi, SAR və optik peyk şəkilləri üçün ən yaxın qonşu yenidən seçmə üsulu 45-ə əsasən hesablanmışdır.

Məkan bazası qurulması

Məlumat toplanması sürüşmə həssaslığının xəritələşdirilməsində əsas addımdır və bunun sayəsində məkan bazası yaratmaq üçün müvafiq sürüşmə kondisioner amilləri çıxarılır. Bu proseslər sonradan sürüşmə və sürüşmə səbəbedici amillər arasındakı əlaqədən istifadə edərək qiymətləndirilir və nəticələrin 25-i təsdiqlənir. Sürüşməyə həssaslıq xəritəsindəki amillərin seçilməsinə dair heç bir universal təlimat yoxdur. Bir parametr müəyyən bir ərazidə sürüşmənin baş verməsi üçün vacib bir nəzarət faktoru ola bilər, digərində deyil. Buna görə səbəb faktorlarının seçilməsi, tədqiqat sahəsinin xarakterini və məlumatların mövcudluğunu nəzərə almalıdır. Coğrafi məlumat, SAR məlumatları və optik peyk şəkillərinin işlənməsindən istifadə edərək məkan bazası yaratmaq üçün yamac, aspekt, torpaq, litoloji, NDVI, torpaq örtüyü, yola məsafəsi, drenaja qədər məsafəsi, yağış və fay məsafəsi kimi on parametrdən istifadə edilmişdir. Verilənlər bazası, Arc GIS 9.3 proqram paketindən götürülmüş vektor tipli məkan məlumat dəstlərindən ibarətdir.

İlk addımda, tədqiqat sahəsinin rəqəmsal bir yüksəklik modeli (DEM), 10 m piksel ölçülü AIRSAR DEM istifadə edərək üçbucaqlı düzensiz şəbəkə (VÖEN) modelindən hazırlanmışdır. Yamac və yamac aspekt parametrləri 10 m piksel ölçüsü ilə yaradılan AIRSAR DEM-dən əldə edilmişdir. Bundan əlavə, drenajdan məsafə AIRSAR DEM istifadə edilərək hesablanmışdır. Xəta xətləri və litologiyası Malayziyanın Mineral və Geologiya Departamentindən 1: 63,300 miqyaslı geoloji xəritədən götürülmüşdür. Həm də xətlər struktur xəritələrdən və hava şəkillərindən götürülmüşdür. Yoldan məsafə 1: 25.000 miqyaslı topoqrafiya xəritəsindən istifadə edilərək hesablanmışdır. Baş verən torpaq sürüşmələrinə əsasən yolun yaxınlığına qədər təyin olunan tədqiqat sahəsindəki yoldan bir məsafə olaraq 50 metrlik bir bufer zonası seçilir. Torpaq növləri 1: 25.000 miqyaslı torpaq xəritəsindən əldə edilmişdir. Bu araşdırmada, 21 mart 2010-cu il tarixində SPOT 5 peyk görüntüsündən torpaq örtüyü çıxarıldı və sahə işləri zamanı əldə edilən yer idarəetmə nöqtələri (GCP) istifadə edilərək kalibr edildi. Torpaq örtüyü xəritəsinin hər bir məlumat sinfi üçün əks olunmanın statistik xarakteristikasını hazırlamaq üçün ENVI 4.8 proqramından istifadə etməklə nəzarət təsnifatı metodundan istifadə edilmişdir.

Bundan əlavə, SPOT 5 məlumatları əvvəlcə ot, əsas meşə, kauçuk, kəsmə, ikinci dərəcəli meşə, yaşayış məntəqələri, əkinçilik sahəsi və su hövzəsi olan nəzarət olunan maksimum ehtimal təsnifatı (MLC) istifadə edərək səkkiz əsas torpaq örtüyü növü üzrə təsnif edilmişdir. Sahə tədqiqatı, SPOT 5 məkan qətnaməsinə görə torpaq örtüyü xəritəsinin dəqiqliyini əsaslandırmaq üçün də istifadə edilmişdir (

SPOT 5 şəkillərində görüntü əvvəlcədən işlənməsinə (coğrafi referans və orto-rektifikasiya, coğrafi düzəltmə) baxmayaraq, peyk görüntülərinin dəqiqliyini artırmaq üçün sahə ziyarətləri zamanı əldə edilmiş 21 yer nəzarət nöqtəsi (GCP) istifadə edilmişdir. SPOT 5 peyk görüntüsü normallaşdırılmış fərq bitki örtüyü xəritəsinin (NDVI) çıxarılması üçün istifadə edilmişdir. NDVI dəyəri NDVI = (IR - R) / (IR + R) düsturu ilə hesablanmışdır, burada IR və Qırmızı 0,7 ilə 1 lm və 0,6 - 0,7 lm arasında olan infraqırmızı (NIR) və qırmızı lentlərdir. elektromaqnit spektri. Tədqiqat sahəsindəki bitki örtüyünün varlığını və intensivliyini göstərən NDVI dəyəri on sinifə bölündü.

Yağış məlumatları son 30 ildə (1981-2011) tarixi yağış məlumatlarından istifadə edərək hazırlanmışdır. Metodologiyamızda 30 illik bir müddət üçün uzunmüddətli yağışlardan istifadə etdik. Gündəlik yağış məlumatları ölçmələrindən orta illik yağış kontur xəritəsi xəritələnir. Ayrıca, kontur xəritələrində məkan interpolasiyası üçün Arc GIS 9.3 istifadə edərək Kriging metodu istifadə edilmişdir. Sürüşməyə həssaslıq xəritəsi və məkan məlumatları üçün sxem qrafiki Şəkil 3-də göstərilmişdir. Sürüşmə ilə əlaqəli bütün amillər üç müxtəlif GIS-in tətbiqi üçün 5.621 sütun ilə 1.725 sıra daxil olan raster şəbəkəyə (10 × 10-m hüceyrələr) çevrilmişdir. analitik hiyerarşi prosesi (AHP), ağırlıqlı xətti birləşmə (WLC) və məkan çox meyarlı qiymətləndirmə (SMCE) daxil olmaqla əsaslı statistik yanaşmalar.

Heyelan həssaslığı xəritələşdirilməsi üçün xəritənin hazırlanmasının müxtəlif addımları.

Heyelan həssaslığı xəritələşdirmə modelləri

Sürüşməyə həssaslıq analizi analitik iyerarxiya prosesi (AHP), çəkili xətti birləşmə (WLC) və məkan çox meyarlı qiymətləndirmə (SMCE) üsulları ilə Malayziyanın Cameron Highlands bölgəsində, GIS əsaslı statistik modellər və uzaqdan algılama məlumatları istifadə edilmişdir. Ayrıca, xəritələrin etibarlılığı R-İndeks və ROC metodlarından istifadə edərək təsdiqlənmişdir.

Sürüşməyə həssaslıq analizlərində analitik iyerarxiya prosesi (AHP)

Saaty 17 tərəfindən hazırlanan AHP, sahə seçimi, şəhərsalma və sürüşməyə həssaslıq təhlilinə yönəlmiş mürəkkəb problemləri təhlil etmək üçün çevik bir vasitədir 21. Çox kriteriyalı qərar qəbuletmə və çox obyektiv yanaşma olan AHP, qərar qəbul edənlərin, məsələn, menecerlərin rasional bir razılığa gəlməsində fəal iştirakını təmin edir 46.

Bu amillər hiyerarşik qaydada və hər bir amilin nisbi əhəmiyyətinə əsaslanan subyektiv mühakimələrə ədədi dəyərlər şəklində yerləşdirilmişdir. Sonradan bu amillər sintez olunur və hər bir amil əhəmiyyətinə görə təyin olunur 47. Bunun xaricində AHP-dən istifadə etmək üçün qarşılıqlı cütlüklə müqayisə matrisi qurulur. 9 ballıq qiymətləndirmə şkalasına əsaslanan hər qat, Saaty 48 tərəfindən hazırlanan matrisə girişdir (Cədvəl 1-ə baxın).

Ümumiyyətlə, amillərin bir-birinə nisbətən dəyərlərinin dəqiqləşdirilməsi qərar qəbul edən şəxsin seçilməsinə bağlıdır. Buna baxmayaraq, bu araşdırmada həm qərar variantlarının təyin edilməsi, həm də parametrlərin müqayisəsi sürüşmə inventar xəritələrinin 18 müqayisəsinə əsaslanırdı. Matrix çəki amilindən hər faktorun çəkisi onun çəki dərəcəsinə vurulmuşdur. Həssaslıq xəritəsinin nəticəsi yüksək lokal təqdimata malik amillər tərəfindən müəyyən edilir. These representations can be based on different parameters including natural (lithology, distance to faults, etc.), man-made (roads and other engineering structures), causal (slope, aspect, lithology, etc.) and triggering (precipitation, seismicity, etc.) 18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49 . The selection of the ten causal factors in this study is based on these mentioned four criteria and also data accessibility. In AHP approach, consistency ratio (CR) Eq. (3), is utilized to show the probability that the judgments matrix was randomly created 48 .

harada RI is the average of the resulting consistency index depending on the order of the matrix given by Saaty 48 and CI is the consistency index and can be expressed as Eq. (4)

where λmaks is the largest or principal eigen value of the matrix and can be easily calculated from the matrix and n is the order of the matrix.

If the CR values were greater than 0.1, the AHP model was automatically rejected. The acquisitive weights were employed by using a weighted linear sum procedure. Furthermore, the acquisitive weights were employed to calculate the landslide susceptibility models 50 .

Weighted linear combination (WLC) in landslide susceptibility analysis

Weighted linear combination (WLC) is a hybrid between qualitative and quantitative methods 21 . WLC is based on the qualitative map combination approach (heuristic analysis). This technique is a popular method that is customized in many GIS and is applicable for the flexible combination of maps. Thus the tables of scores and the map weights can be adjusted based on the expert’s judgement in the domain. First, this method requires the standardization of the classes in each factor to a common numeric range. Each factor rating was based on the relative importance of each class according to field observations and existing literature, indicating the conditions as highly susceptible to slope failure 51 .

Primary-level weights and secondary-level weights are two types of parameters weights used 15 . The primary-level weights are rule-based whereby the ratings given to each class of a parameter is based on certain criteria. In this research, this criterion can be described as landslide density. In WLC method, the landslide density is a ratio between the area of landslide pixels situated inside a category of a specific factor divided by the total area of that category. The obtained result of this criterion is converted into percentage. The secondary-level (factor weights) determine the degree of exchange of one parameter versus another parameter based on opinion-based scores 21 . Both the parameters weights are combined to estimate landslide susceptibility and classify areas in relative susceptibility categories 21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52 .

Susceptibility S (i, j) in each pixel (i, j) can be expressed as the combination of the product of primary and secondary level weights Eqs. (5 and 6) 52 :

harada is the primary-level weight of parameter ky is the secondary-level weight of parameter k.

The weights of ‘proportional importance’ to each attribute map layer are directly affected by the decision-maker. A total score is then obtained for each alternative. This is done by multiplying the weight allocated to each attribute by the scaled value and summing the outputs of all attributes. In this method, highest overall score can be selected from the overall scores calculated for all of the alternatives 53 . The final steps for creating the landslide susceptibility map using WLC method is the combination of all weighted layers into individual maps. Then, landslide susceptibility zones were generated based on classification of the scores of these maps 21 . The WLC method can be performed using any GIS system that has overlay techniques.

Spatial multi-criteria evaluation (SMCE) in landslide susceptibility analysis

Spatial multi-criteria evaluation (SMCE) application helps and allows users to perform multi-criteria assessment in a spatial approach. In SMCE, the alternatives are locations in the form of points, lines, areas and grid cells. Therefore, criteria could occur in the form of maps 54 . Thus, SMCE is an applied science-based method that combines spatial analysis using GIS and multi-criteria evaluation (MCE) to transform spatial and non-spatial input which generates output decision 55 . Spatial multi criteria evaluation is considered as a procedure that includes the input layers, which are the spatial representation of the criteria. They are a ‘criteria tree’ that can be standardised, grouped and weighted. In addition, the input layers (resultant decision), need to be standardised from their original values to the value range of 0–1. Furthermore, the indicators have cartographic representations (natural and administrative polygons and pixel based raster maps) and different measurement scales (nominal, ordinal, interval and ratio) 23 .

The output of SMCE is one or more ‘composite index map(s), which indicates the extent to which criteria are met or not in different areas and thereby supports decision making 56 . The multi-criteria evaluation of AHP method has been used as the theoretical background of SMCE method. There are several phases in conducting the SMCE, such as problem tree analysis, standardization, weighting and map generation. Once all the criteria and related maps or attribute tables are entered in the criteria tree, the criteria have to be standardized. The values in the various input maps have different meanings and are probably showed in different units of measurement such as percentages, meters, distance in meters, land cover classes, etc. 24 . In order to standardize input maps in SMCE environment, one of the standardization methods such as numerical, Boolean and qualitative methods can be used.

The first step for standardizing map values is to convert the actual map values to a range between 0 and 1 by using a set of equations. The next step is the determination of each indicator for intermediate or overall objectives. Finally, the landslide conditioning factors are weighted by means of direct, pairwise and rank ordering comparison and the output is a composite index map 23 .


Background & Summary

Understanding the impact of climate change on water resource across different regions is highly dependent on hydrological model and data 1 . More accurate global river networks and catchment/sub-catchment boundaries are critical to more accurate water cycle simulation, water resource and risk assessments 2 . With the undeniable impacts of climate change and human activities, the processes and fluxes of terrestrial water cycle have undergone tremendous changes, which has had significant impacts on extreme hydrological events such as droughts and floods 3,4 , and induced a series of eco-environmental effects 5 , endangering the sustainable development of social economy and ecological environment 6 . It can be seen that the construction of a complete set of global river networks and corresponding water resources zones (WRZ) has been highly valued by the international communities, government departments and academia. Meanwhile, it has become a hot issue in current research on hydrology, water resources and climate change.

At present, scholars and institutions around the world have developed numerous hydrological spatial databases at national, continental and global scales. For example, Seaber et al. constructed the hydrological unit maps of the United States in 1987, which was adopted and affirmed by the Federal Government of the United States and the United States Geological Survey (USGS) 7 . In 1996, the Global River Network and Watershed Boundary Data Set (HRDRO 1 K), derived from the USGS’ 30 arc-second digital elevation model of the world (GTOPO30, about 1 km), has been produced by the EROS Data Center of the United States Geological Survey and the United Nations Environmental Program/Global Resources Information Database (UNEP/GRID) 8 . From 2006 to 2008, the World Wildlife Fund (WWF), the USGS, the International Centre for Tropical Agriculture (CIAT), the Nature Conservancy (TNC) and Kassel University in Germany have produced a global hydrological data and maps-based (HydroSHEDS) at multiple scales, from the 90-meter resolution data (SRTM) 9 . The “stream burning” method was employed to modify the surface elevation where only the large rivers and lakes located 10 . Based on the HydroSHEDS data and hydraulic geometry equations, Andreadis in 2013 developed a simple near-global database of bankfull widths and depths of rivers 11 . And Bernhard Lehner integrated and enhanced the HydroSHEDS with a new river network routing model (HydroROUT) 12 . In 2017, the USGS has developed a new global high-resolution hydrologic derivative database, entitled Hydrologic Derivatives for Modeling and Analysis (HDMA) 13 , based on HydroSHEDS, GMTED2010 (Global Multi-resolution Terrain Elevation Data 2010) and SRTM (Shuttle Radar Topography Mission) data.

Although a large number of river network data have been published, there are still some shortcomings in river accuracy, coding methods and so on. Firstly, the above river network and basin boundary are not accurate enough without sufficient manual verification. The main reason is that it is difficult to automatically obtain the correct digital river by using the original surface DEM data and GIS software, especially in inland and plain areas, due to the low spatial or vertical resolution of DEM and the lack of auxiliary data. Secondly, the codes of river network and its corresponding basin in these above datasets are different, or their stem-branch topology relationship is not clear, which hinders the use of data in hydrology and water resources research 14 . For example, Pfafstetter coding system is widely used as the river basin division method around the world currently 15,16 , which divides the hydrological units step-by-step from large to small and from coarse to fine. However, the Pfafstetter coding system does encode topologies using a numeric coding system but not fully refers to the tree structure of river network, which is not conducive to the subsequent calculation of river network relations when less than 9 division is applied 17,18,19 . Under these circumstances, the aim of this paper is to propose a series of methods for generating and coding a global high-precision river networks and corresponding WRZ at level 1 to 4.

This study describes the database entitled “A data set of global river networks and corresponding water resources zones divisions”, the SRTM DEM and the ASTER GDEM V2 data used to produce the river network and corresponding WRZ, based on our new method. The raster data were produced at 3-arcsecond resolution for most areas, except the Greenland and Antarctica. The derived streams and catchments are globally seamless and have been coded following our new coding system.


Study location and materials used

This research work was attempted in the fourth (4th) largest catchment of Papua New Guinea. The Markham catchment is located in the eastern part of main island. Most of the area falls under Morobe province and small portion in the north and north-east of the study area comes under Madang and Eastern highland province, respectively (Fig. 1). The study area includes a geographical area extending from 145°58′27.39″E to 147°02′22.01″E and 5°51′19.41″ S to 7°31′21.93″S. Markham river is originated from Finisterre range (5°51′36.31″S and 146°13′22.40″E) in the north and gets emptied into Huon Gulf (6°44′20″S 146°58′05″) in the east after 180 km of chequered path (Fig. 1). Erap and Watut are two major tributary rivers of Markham. Upper catchment area of Markham is dominated by dense forests, rugged topography and steep slopes. Lack of proper soil conservation and management measure are exacerbated by commercial logging, mining and small scale mining on the river for alluvial gold extraction. The study area is characterised with tropical hot and humid climate with an average rainfall of 4200 mm. Markham carries flows from the 12,450 km 2 catchment with huge mobile bed load ranging from fine silt to cobbles (Tilley et al. 2006).

Location map with details of slope and sub catchments of the study area

For this research three different satellite images during 1992 to 2009 were collected from earth explorer (http://www.earthexplorer.usgs.gov) to generate normalised differential vegetation index (NDVI) data base for different year (1992, 2001 and 2009). Digital elevation model (DEM) in 30 m spatial resolution was collected from Advanced Space Thermal Emission Radiometer (ASTER) mission to produce slope map of the study area. All other collateral information that were used in this study are given in Table 1. For RUSLE model different factors like rainfall erosivity factor (R), vegetation cover factor (C), soil erodibility factor (K), slope length & steepness factor (LS) and existing soil conversion measures factor (P) were used as a mandatory input parameters, which were developed using ArcGIS spatial analyst tool from rainfall, elevation and soil data base. On the other hand rate minimum and maximum of erosion in 30 degree slope area, NDVI, and slope data base were used to calculate rate of soil erosion through E30 model.


Giriş

Soil erosion is an adverse hydro-geologic phenomena consisting of detachment and transportation of surface soil particles from its initial location to the nearby location for subsequent accumulation. Water plays the key role in the detachment, transportation, and deposition phase of soil erosion processes. The soil erosion process gets accelerated by considerable human activities across many places of the globe (Gabriels and Cornelis 2009). Moreover, poor land-use practices also lead to considerable increase in the soil erosion (Arnáez et al. 2015).

Globally, a number of soil loss assessment models have been developed by several researchers, but each model has its inherent limitations based on the input availability, scale of application, and involved degree of complexity (Chandramohan et al. 2015). Hence, no single soil loss prediction model can dispense any solid outcomes for assessing the soil erosion in a regional scale application. Many complex phenomena influencing the soil erosion process were hypothesized through simplified assumptions in order to smoothen the erosion modeling process. In the literature, a number of statistical/metric (empirical), conceptual (semi-empirical), and physical process-based (deterministic) models are existing those quantify the soil erosion process is filed to regional-scale applications (Nearing et al. 2005). However, the global applications are mostly confined to the use of empirical models due to extensive data requirements and lack of expertise of the modeler. The empirical universal soil loss equation (USLE) (Wischmeier and Smith 1965) is the most conventional soil erosion model, developed based on extensive experimental data in the USA condition. The USLE model mainly accounts for the soil loss process in the form of sheet erosion followed by rill erosion occurred over an agricultural watershed. Upon gradual advancement in the soil erosion modeling, the modified universal soil loss equation (MUSLE) proposed by Williams and Berndt (1977) addressed the underlying limitations involved in USLE, i.e., non-accountability of gully erosion process and inability to compute the sediment deposition. For estimation of sediment yield, USLE solely depends on the rainfall process but MUSLE predicts the same by incorporating the effect of runoff in the form of a peak runoff factor which is a consequence of antecedent moisture condition in a locality. Further, the revised universal soil loss equation (RUSLE) is extensively adopted for soil erosion risk assessment because of its flexibility in field-scale applications and serves as a conventional tool for conservational policy implementation (Kouli et al. 2009 Chen et al. 2011 Rawat et al. 2016 Mahala 2018).

The RUSLE estimates the average annual soil erosion over land surface by simple multiplication approach of several input factors, viz., rainfall erosivity factor (R), soil erodibility factor (K), slope length and steepness, combinely known as topographic factor (LS), cover management factor (C), and conservation practice factor (P) (Renard et al. 1997). Further, from the management perspective, the sediment yield has more practical implications than the potential soil erosion in a locality. In past studies, the sediment yield was estimated for the catchment using USLE or RUSLE in conjunction with an empirical parameter called sediment delivery ratio (SDR) (Boomer et al. 2008 Alatorre et al. 2010). This factor determines the transferability of sediments from the hill slopes into the nearby streams responsible for the erosion process. The selected study region, i.e., Brahmani River basin is a highly industrialized basin, wherein extensive earthworks resulting in significant alteration to the natural soil regolith causing higher soil erosion. Moreover, the occurrence of frequent floods due to anthropogenic changes in the upstream of the Brahmani River induces profound soil detachment in the floodplain thereby moderates both detachment and transport process of soil erosion. The climate of a region corresponds to the long-term (≥ 30 years) average weather condition of a region. It accounts for acutely complex internal mechanisms associated with individual meteorological variables which are highly dynamic in nature. As defined by the intergovernmental panel on climate change (IPCC), the climate change points to an alternation in the existing climatic condition of a locality which can be detected (e.g., by some statistical means) by analyzing the change in the variability of individual climate variables that may persist for a prolonged period (IPCC 4th Assessment Report, Climate change 2007). Certainly, some of the associated factors of RUSLE model tend to alter its behavior in a climate change context hence, a significant variation will be observed in the soil erosion magnitude in the future time scales. This leads to the potential failure of the proposed policy (in baseline scenario) in the future time scales, and subsequently, the future time scales of the concerned location may experience landslide and flood havocs with very high periodicity. Ignoring these adverse consequences, a few past studies have quantified the climate change impact over catchment-scale soil erosion process with a lot of simplified assumptions.

From this extensive review, the following research gaps have been identified: (i) lack of studies in combining the RUSLE and geographical information system (GIS) approach to estimate the soil erosion potential in catchment-scale applications, (ii) a spatially distributed SDR estimation approach has not been adopted in soil erosion hazard studies, (iii) the past soil erosion modeling studies were carried out at a coarse spatial resolution which may lead to erroneous modeling outcomes, and (iv) no past studies quantified the soil erosion hazard under a climatic change context. Considering the above bottlenecks, this study tries to address the following research questions: (i) Will the GIS-RUSLE based soil erosion estimation approach provide a true insight about the catchment-scale erosion process? (ii) How useful will be the finer-scale (30 m) erosion modeling while implementing the conservation practices in critical areas? (iii) Does the SDR-based erosion assessment approach has an edge over the conventional RUSLE technique? (iv) What kind of variability in the soil erosion process could be expected in a changing future climatic scenario? Keeping these research questions in mind, the specific objectives of this study are (i) to develop an integrated GIS-based RUSLE approach to quantify the existing soil erosion potential in the Brahmani River basin, (ii) to estimate the actual soil loss (sediment yield) by a spatially distributed SDR approach over the basin, (iii) assessing the climate change impact on the soil erosion process using suitable general circulation model (GCM) for multiple future time scales.


Development of flood alert application in Mushim stream watershed Korea

Korea repeatedly experiences flash floods and droughts that cause traumatic environmental conditions with huge economic impact. Recently due to climate change, the frequency and magnitude of natural disasters associated with extreme hydrologic events increased rapidly in Korea. Floods caused the greatest damage among all natural disasters. To prevent this damage it is important to inform people about ongoing and upcoming flash flood events to avoid the loss of life and property. In this study hardware and software based smart technology is used to develop an early flood warning system for Mushim stream watershed to send to end users early flood warning messages about potentially impacted areas. Hydrologic Engineering Center's Hydrologic Modeling System (HEC-HMS) is the core of flood alert application provides the forecast with sufficient lead time and decides the threshold conditions of runoff/stage. Short range weather forecasts from Korea Meteorological Administration (KMA) at every three hours interval, are stored in hydro-meteorological database and fed in HEC-HMS for identification of flood risks. Server-Client based program used to visualize the real time flood condition and to deliver the early warning message. The findings of this study are expected to be used as basic data required for designing of flood mitigation measures at Mushim stream watershed to cope with the flash flood events in future. The flood hazard maps thus developed will be useful to policy-makers and responsible authorities, as well as to local residents in finding suitable measures for reducing flood risk in the study area.


Extension of a GIS procedure for calculating the RUSLE equation LS factor

The Universal Soil Loss Equation (USLE) and revised USLE (RUSLE) are often used to estimate soil erosion at regional landscape scales, however a major limitation is the difficulty in extracting the LS factor. The geographic information system-based (GIS-based) methods which have been developed for estimating the LS factor for USLE and RUSLE also have limitations. The unit contributing area-based estimation method (UCA) converts slope length to unit contributing area for considering two-dimensional topography, however is not able to predict the different zones of soil erosion and deposition. The flowpath and cumulative cell length-based method (FCL) overcomes this disadvantage but does not consider channel networks and flow convergence in two-dimensional topography. The purpose of this research was to overcome these limitations and extend the FCL method through inclusion of channel networks and convergence flow. We developed LS-TOOL in Microsoft's.NET environment using C♯ with a user-friendly interface. Comparing the LS factor calculated with the three methodologies (UCA, FCL and LS-TOOL), LS-TOOL delivers encouraging results. In particular, LS-TOOL uses breaks in slope identified from the DEM to locate soil erosion and deposition zones, channel networks and convergence flow areas. Comparing slope length and LS factor values generated using LS-TOOL with manual methods, LS-TOOL corresponds more closely with the reality of the Xiannangou catchment than results using UCA or FCL. The LS-TOOL algorithm can automatically calculate slope length, slope steepness, L factor, S factor, and LS factors, providing the results as ASCII files which can be easily used in some GIS software. This study is an important step forward in conducting more accurate large area erosion evaluation.

Əsas məqamlar

► We presented an improved algorithm that can automatically calculate LS factors. ► Using slope steepness and channel networks breaks in calculating slope length. ► Calculate L factor under consideration of convergence flow. ► Our method corresponds more closely with the reality of the example catchment. ► We developed LS-TOOL application using C♯ with a user-friendly interface.


Videoya baxın: GIS Tools: ArcMapArcGIS Tool for counting inside features. points (Oktyabr 2021).