.png){kind=icon}
返回
Quantifying LULC Induced Errors in Hydrologic Simulation Using SWAT and GEE
.png){kind=icon}
PRE
AI
DOI：10.1007/s12524-026-02425-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水文模型在环境变化背景下对水资源评估和管理至关重要，土地利用和土地覆盖（LULC）地图是其关键输入。这些地图详细描述了生物物理土地特征和资源利用情况，其中任何误差都可能通过模型传播，引入不确定性。本研究利用Google Earth Engine（GEE）和土壤与水评估工具（SWAT）评估了Mahanadi流域LULC误差对水文输出的影响。首先创建基础LULC地图，然后通过引入分类误差和空间分辨率变化生成五幅地图，准确率为60-80%，分辨率分别为300米和3000米。结果表明，尽管流域尺度的输出对LULC准确性表现出较低敏感性，但子流域输出——特别是蒸散发和地表径流——在准确性和分辨率变化时显示出显著差异。因此，高分辨率、准确的LULC数据有助于局部减少不确定性，尽管流域尺度的结果在很大程度上不受此类误差影响。
Keyword:
Google Earth Engine
LULC
SWAT
Mahanadi river basin
Hydrological modelling
期刊
J
IF:
2.2
论文数:
173
被引数:
0
机构
引用论文
暂无论文信息