文献

J-GLOBAL ID：202202226262808337   整理番号：22A0775326

マルチソースグリッドベースグローバルデータセットによる長期平均河川流量推定【JST・京大機械翻訳】

Long-term mean river discharge estimation with multi-source grid-based global datasets

著者 (6件)： Liu Suning (State Environmental Protection Key Laboratory of Integrated Surface Water-Groundwater Pollution Control, School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China) ,  Liu Suning (Guangdong Provincial Key Laboratory of Soil and Groundwater Pollution Control, School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China) ,  Liu Suning (Center for Climate Physics, Institute for Basic Science, Busan, Republic of Korea) ,  Shi Haiyun (State Environmental Protection Key Laboratory of Integrated Surface Water-Groundwater Pollution Control, School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China) ,  Shi Haiyun (Guangdong Provincial Key Laboratory of Soil and Groundwater Pollution Control, School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China) ,  Sivakumar Bellie (Department of Civil Engineering, Indian Institute of Technology Bombay, Powai, Mumbai, India)
資料名： Stochastic Environmental Research and Risk Assessment  (Stochastic Environmental Research and Risk Assessment)
巻： 36  号： 2  ページ： 679-691  発行年： 2022年 
JST資料番号： W1930A  ISSN： 1436-3240  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 長期河川流出の推定は,異なる地域で異なるレベルの精度を持つ可能性がある様々な発生源から行うことができる。流出マップ,モデルシミュレーション,再解析データからの3つのグリッドベースグローバルデータセットに基づいて,著者らは,それぞれ,各河川流域に対して最高と最低精度のデータセットを決定するために,年間規模で各データセットを最初に評価した。そして,次に,各々の河川流域のために最も高い正確さデータセットを統合するデータセットを引き出した。性能指標として相対誤差(RE)と平均相対誤差(MARE)を用いた。結果は,(1)流出地図とモデルシミュレーションからのデータセットが再解析データからのものより高い精度を持つことを示した。(2)年間規模(すなわち,MARE=15%)における統合データセットの全体的性能は,3つのオリジナルデータセットのどれかより良好である。また,モデルシミュレーションからの2つの河川流出データセットの毎日の性能と,データ-自動車地域(すなわち,発生源地域と小河川流域)における再解析データを評価し,再解析データからのデータセットがより良い性能を有することを見出した。結果は,与えられた河川流域のための最も適切なデータセットを認識し,マルチソースグリッドベースの全球河川流出データセットの包括的な利用を強化するための新しい道筋を提供できる。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *流出 ,  河川流域
準シソーラス用語： *河川流量 ,  発生源 ,  河川流出 ,  モデルシミュレーション , 【Automatic Indexing@JST】

著者キーワード (6件)： 世界の河川流量 ,  グリッドベースのデータセット ,  ゲージ観測 ,  流出マップ ,  モデルシミュレーション ,  再解析データ

分類 (3件)： 流出解析  (DC07030N) ,  環境問題  (SA01020V) ,  水文学一般  (DC07010R)

タイトルに関連する用語 (4件)： 長期 ,  平均 ,  河川流量 ,  推定