دانلود مقاله انگلیسی رایگان:سرعت نفوذ ثابت مدل سازی فضایی از داده های سنجش از دور و زمین ورزشی در جنوب شرقی برزیل - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Steady infiltration rate spatial modeling from remote sensing data and terrain attributes in southeast Brazil Steady infiltration rate spatial modeling from remote sensing data and terrain attributes in southeast Brazil
    Steady infiltration rate spatial modeling from remote sensing data and terrain attributes in southeast Brazil

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Steady infiltration rate spatial modeling from remote sensing data and terrain attributes in southeast Brazil


    ترجمه فارسی عنوان مقاله:

    سرعت نفوذ ثابت مدل سازی فضایی از داده های سنجش از دور و زمین ورزشی در جنوب شرقی برزیل


    منبع:

    Sciencedirect - Elsevier - Geoderma Regional, 20 (2020) e00242: doi:10:1016/j:geodrs:2019:e00242


    نویسنده:

    André Geraldo de Lima Moraes a,⁎, Daniel Fonseca de Carvalho c, Mauro Antônio Homem Antunes c, Marcos Bacis Ceddia d, Dennis C. Flanagan b


    چکیده انگلیسی:

    This paper aims to describe the development of steady infiltration rate (SIR) spatial prediction models using accessible input data. The models were created from SIR data collected through simulated rainfall at 71 points in part of the Cachimbal stream watershed (a Paraíba do Sul River tributary watershed) in Rio de Janeiro state – Brazil, using as covariates: terrain attributes derived from digital elevation model (DEM), remote sensing data and soil class, physical and chemical attributes maps. Itwas discussed how different land uses and soil degradation levels affect SIR and how NDVI can be used to represent themon SIR modeling. Among the soil physical properties, bulk density (BD) and total sand (TS)were selected as covariates. SIR was higherwhen lower the bulk density and higher the sand content. Soil types play a big role in SIR, highlighting the Gleissolos Háplicos (Gleysols) as the soil class that presented the lower average SIR values and the Latossolos Vermelho Amarelos and Nitossolos Háplicos (Ferralsols and Nitisols) that presented the highest. Topographic position Index (TPI), curvature, and TopographicWetness Index (TWI)were the terrain covariates used in the models. Their usage indicate lower SIR in concave, lower and wetter parts of the landscape. The results demonstrated that is possible to achieve satisfactory results for SIR spatialmodeling using easily accessible data (remote sensing and terrain attributes), but soil information is also necessary to develop better prediction models.
    Keywords: Rainfall simulator | Vegetation indexes | Acrisols | Cambisols


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 2009 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi