Mehr

Brennen von DEM-Streams

Brennen von DEM-Streams


Ich möchte euch fragen, wie ich Streams in DEM brennen würde. Die folgenden Bilder helfen zu verstehen, was ich tun möchte.

das ist mein DEM und die blauen Linien sind meine Flüsse. Als ich jedoch daraus die Ansammlung von Strömungen skizzierte, ergaben sich die folgenden Bilder.

Wie würde ich das lösen? Ich habe die DEM-Rekonditionierung in HEC-GeoHMS versucht. Ich glaube wirklich, dass es sich um Stream Burning handelt, aber ich glaube nicht, dass dies die DEM-Höhe beeinflusst, da dies keine Auswirkungen auf die hohen und niedrigen Werte in seiner Ebene hat. Der hohe und der niedrige Wert sind immer noch gleich.


Okay, ich habe diese Antwort bereitgestellt, um zu versuchen, meine obigen Kommentare zu konsolidieren und als Ressource für andere zu dienen, die mit dem Problem des Stream-Brennens zu kämpfen haben. Wie ich in meiner Antwort auf diese Frage gesagt habe Shapefile und DEM: Verhalten von Flüssen überprüfen, würden Sie erwarten, dass ein zugeordneter Vektor-Stream-Datensatz von einem entsprechenden DEM-extrahierten Stream-Netzwerk abweicht, weil Sie ein Modell mit einem Modell und nicht ein Modell mit der Realität vergleichen. Dies ist insbesondere im Oberlauf des Kanalnetzes der Fall, da dort das kartierte Bachnetz am wenigsten genau ist und die Definition dessen, was ein Bach ist, in diesen kleinen Flüssen erster Ordnung etwas mehrdeutig ist. Ihre Bachnetze unterscheiden sich jedoch ebenso stark in den übergeordneten Bächen zu den Beckenauslässen. Dies ist ein Zeichen dafür, dass Ihr DEM nicht von ausreichender Qualität ist, um ein Stream-Netzwerk genau zu extrahieren. Um das zu tun, was Sie tun möchten, benötigen Sie letztendlich ein genaueres und präziseres DEM. Das Hauptproblem besteht jedoch darin, dass bei der hydrologischen Modellierung die Entwässerungsmuster und die Beckenabgrenzung (dargestellt durch das aus dem DEM abgeleitete Abflussakkumulationsraster) genauso wichtig sind wie das extrahierte Bachnetz. Zu wissen, ob eine Hühnerverarbeitungsanlage in ein benachbartes Feld oder direkt in einen angrenzenden Bach mündet, macht den Unterschied, und das sagt Ihnen das DEM-abgeleitete Flussnetzwerk. Sie können zwar Ihr "genaueres" kartiertes Bachnetz in das DEM einbrennen, dies wird jedoch Ihre Karte der Abflussakkumulation (Entwässerungsmuster) in den Hanglagen nicht verbessern. Es wird nur das Flussmuster entlang des abgebildeten Stream-Netzwerks verbessern und selbst dann wird es wahrscheinlich zu einem parallelen Fluss führen, bei dem ein digitaler Stream (im DEM) und ein abgebildeter Stream nicht zusammenfallen.

Das Einbrennen eines Stream-Netzwerks in ein DEM ist meiner Meinung nach im Allgemeinen eine schlechte und viel zu häufig genutzte Praxis. Es gibt eingeschränkte Fälle, in denen es sinnvoll ist. Es ist beispielsweise sinnvoll, Bäche durch Straßenböschungen zu verbrennen, um die Strömung entlang des vergrabenen Dükers unter der Böschung effektiv zu verstärken. Allerdings haben die Leute oft ein falsches Gefühl von hoher Genauigkeit, wenn es um Vektor-Stream-Netzwerke geht. Die aus vielen modernen DEM-Datenquellen wie LiDAR abgeleiteten DEM-extrahierten Bachnetze können oft genauer sein als das blaue Liniennetz aus topografischen Karten, zumindest in Einzugsgebieten niedrigerer Ordnung. Wenn das DEM eine geringe Genauigkeit hat (wie es bei Ihrem DEM der Fall ist), kann ein verbranntes Bachnetz ein falsches Gefühl der Genauigkeit vermitteln, obwohl es in Wirklichkeit nichts zur Verbesserung der Entwässerungsmuster an Hängen beiträgt und seltsame Artefakte entlang von Überschwemmungsgebieten erzeugen kann . Diese Artefakte können manchmal verringert werden, wenn Sie beim Stream-Brennen einen Farbverlauf abseits des Streams anwenden, aber die meisten Stream-Brenn-Tools bieten diese Option nicht. Es ist unwahrscheinlich, dass ein stromverbranntes DEM genauer definierte Beckenteilungen aufweist als ein nicht stromverbranntes DEM. Das Brennen von Bachläufen wirkt sich auch auf die von einem DEM gemessenen Steigungen aus, daher wird dringend empfohlen, dass Sie zu diesem Zweck das Original-DEM verwenden (obwohl dies wirklich für jeden hydrologischen Vorverarbeitungsvorgang auf DEMs der Fall ist). Oftmals können Algorithmen zum Durchbrechen von Vertiefungen eine bessere Lösung im Vergleich zum Brennen von Strömen bieten, obwohl das Auffüllen von Vertiefungen, die häufigere DEM-Vorverarbeitungsmethode, mit ziemlicher Sicherheit eine schlechtere Lösung bietet.

In Ihrem Fall hat Ihr DEM einen sehr großen flachen Bereich nahe dem Boden der Wasserscheide (linke Seite des Bildes). Wenn dies das Ergebnis einer umfangreichen DEM-Füllung ist, würde ich Ihnen raten, beim Brennen von Strömen in einem DEM die Vertiefungen nach dem Brennen und nicht vorher zu füllen. Natürlich wäre es wahrscheinlich besser, diese Depressionen sowieso zu durchbrechen. Wenn der flache Bereich nur die natürliche Topographie ist, würde ich sagen, dass in einem solchen Flachrelief die gesamte Grundlage der topographisch getriebenen Fließwegmodellierung zusammenbricht und Sie wirklich nicht erwarten können, dass Ihre Entwässerungsmuster in diesen annähernd realistisch sind Bereiche. In einem solchen Fall benötigen Sie ein DEM mit viel höherer Genauigkeit als das, was Sie haben. Wenn Sie Bäche brennen müssen, sollten Sie einen Dekrementwert verwenden, der ausreicht, um Artefakthügel zu durchschneiden, die aus positiven Höhenfehlern resultieren. Daher kann ein Dekrementwert von 3-10X des DEM-Fehlers (RMSE) angemessen sein, dies hängt jedoch von den Daten und der Topographie ab. Und denken Sie daran, es wäre eine gute Idee, danach Depressionsverletzungen oder einen hybriden Verletzungs-/Auffüllungsalgorithmus anzuwenden.


Digitale Höhenmodelle zur Genauigkeitsvalidierung und Bias-Korrektur in der Vertikalen

Das digitale Höhenmodell (DEM) wird verwendet, um das Gelände der Erde darzustellen. Ein kostenlos zur Verfügung gestelltes DEMs sind die 10 m DEM des Geographical Survey Institute of Japan (GSI-DEM), Advanced Space Borne Thermal Emission and Reflection Radiometer-Global DEM, Shuttle Radar Topography Mission, Global Multi-Resolution Terrain Elevation Data 2010, Hydrological Daten und Karten basierend auf Shuttle Elevation Derivatives in mehreren Maßstäben und Global 30 Arc-Second Elevation, die tatsächlich in wissenschaftlichen Studien verwendet werden. DEMs haben eine hohe Genauigkeit bei der Bewertung eines Fehlers unter Verwendung eines Beobachtungshöhenpunkts erzielt. Die DEMs in dieser Studie mit einer ursprünglichen räumlichen Auflösung der Shikoku-Insel, Japan, wurden gesammelt, die bewertet und korrigiert wurden, indem die Bezugshöhenpunkte verwendet wurden, die vom globalen Positionssystem beobachtet wurden. Die Bewertungs- und Korrekturmethode der DEMs basierte auf den statistischen Maßen bzw. dem linearen Transformationsalgorithmus. Die Ergebnisse zeigen, dass das GSI-DEM eine höhere Genauigkeit aufweist als die fünf DEMs, und diese DEMs haben nach der Korrektur durch die Parameter der Transformation eine höhere Genauigkeit. Dieser Ansatz wird verwendet, um in Zukunft ein neues DEM zu empfehlen, und es kann angewendet werden, um ein hochgenaues DEM zu erstellen, um das Terrain der Erde zu modellieren.


1. Einleitung

Bachwasser besteht aus einer Vielzahl von gelösten und suspendierten Stoffen einschließlich Elementen und gelöstem organischen Kohlenstoff (DOC), die oft die hydrologischen und biogeochemischen Eigenschaften des umgebenden Einzugsgebiets widerspiegeln [Andersson und Nyberg, 2009 Covinoet al., 2012 ] sowie Eingaben, Austausch und Verarbeitung entlang des Stream-Netzwerks. Einige Elemente im Bachwasser sind wichtige Nährstoffe für Biota [Shineet al., 1995 ], während andere giftig sein können [Lydersenet al., 2002 Chanet al., 2003 ] abhängig von ihren Konzentrationen und Formen. Daher ist es wichtig, die Quellen und Kontrollen dieser Elemente im Einzugsgebiet zu verstehen, um Vermeidungsstrategien und nachhaltige Managementpläne für das Einzugsgebiet zu entwickeln.

Die Herausforderung bei der Entwicklung breit anwendbarer Managementstrategien besteht darin, dass es schwierig ist, Elemente zu kategorisieren, da sie alle einzigartige chemische Eigenschaften und Verhaltensweisen aufweisen. Ein vielversprechender Ansatz könnte jedoch darin bestehen, die Unterschiede zwischen Elementen, die sich „konservativ“ in Böden und Gewässern bewegen, mit den „nichtkonservativen“ Elementen, die eine komplexere Biogeochemie aufweisen, zu nutzen. Konservative Elemente werden von verschiedenen biologischen und chemischen Prozessen nur schwach beeinflusst. Ein Beispiel für ein konservativeres Element ist Na, das von Biota nicht in höherem Maße aufgenommen wird, in Bachwasser nicht ausfällt oder an Redoxreaktionen teilnimmt. Darüber hinaus bindet Na nicht stark an organische Stoffe, Kolloide oder Mineralien im Allgemeinen. Nichtkonservative Elemente werden durch verschiedene biologische und/oder chemische Prozesse stärker beeinflusst, z. B. Aufnahme durch Vegetation, Niederschlag, Mitfällung, Reduktion/Oxidation, starke Sorption an organische Stoffe und mineralische Oberflächen oder Bildung von Kolloiden. Beispiele für weniger konservative Substanzen sind Fe (wegen seiner komplizierten Redox-Chemie), Th (wegen seiner geringen Löslichkeit und hohen Affinität für organisches Material), Al (weil seine Löslichkeit stark pH-abhängig ist) und DOC (wegen seiner biologischen Rolle ). Daher bezeichnen wir mit „nichtkonservativ“ Elemente, die aus dem einen oder anderen Grund dem Wasserfluss nicht passiv folgen. Diese Definitionen stimmen auch mit früheren Arbeiten von Pokrovsky und Schott [ 2002 ] und Savenkoet al. [ 2014 ], die konservative Elemente als solche mit geringen oder keinen biologischen oder chemischen Wechselwirkungen definiert haben, während Klaminderet al. [ 2011 ] hoben hervor, dass die konservativsten Elemente wie viele basische Kationen und Si im Bachwasser aus der Wasserverweilzeit im Einzugsgebiet vorhergesagt werden können.

Trotz der jüngsten Fortschritte in der Biogeochemie von Fließgewässern besteht eine weitere Herausforderung darin, zu verstehen, was die Variabilität nichtkonservativer und konservativer Elemente in Fließgewässern steuert und wie dies in ein konzeptionelles Verständnis vereinfacht werden kann. Wir wissen, dass die Heterogenität der Landschaft eine wichtige Rolle bei der Bereitstellung unterschiedlicher chemischer Signaturen für Bäche spielt. Diese Signale werden integriert, umgewandelt und übertragen, wenn Bäche von kleinen Oberläufen zu größeren Flüssen stromabwärts fließen [McEachernet al., 2006 Jencso und McGlynn, 2011 Neubaueret al., 2013]. So sind beispielsweise die mineralischen Bodenflecken in der Landschaft, wie z. B. Geschiebe und sortierte Sedimente, Quellen vieler Elemente, die aus Verwitterungsprozessen stammen (Abbildung 1). Die organischen Bodenflecken in der Landschaft, wie Uferböden und Moore, sind hingegen als DOC-Quellen und Akkumulationsplätze für Elemente mit hoher Affinität zu organischer Substanz bekannt (Abbildung 1). Beide Landschaftsflächen (Mineralböden und die organischen Böden) haben deutliche Einflüsse auf die Bachchemie, aber Cooperet al. [ 2000 ] und Evanset al. [ 2006 ] zeigte, dass sich ähnliche Landschaftsflächen oft ähnlich verhalten, da die Variationen innerhalb einer bestimmten Landschaftsfläche geringer sind als die Variationen zwischen ihnen. Mit diesem Verständnis des Einflusses der Landschaft auf die Bachchemie, Lidmannet al. [ 2014 ] zeigte, dass es einen direkten Zusammenhang zwischen der relativen Bedeckung dieser Gebiete und der Flusschemie gibt, der verwendet werden kann, um die Vorhersage von Elementen über mehrere Skalen hinweg zu verbessern und zusätzliche Informationen über die Struktur und Funktion von Einzugsgebieten zu liefern.

Es bleibt jedoch die Frage, wie man die räumliche Struktur von Landschaften am besten mit den Mustern der Bachchemie für verschiedene Elemente in Verbindung bringt, zumal es zwischen den Landschaftsabschnitten oft große Unterschiede in der Flächenabdeckung, den hydrologischen Eigenschaften sowie in der Geomorphologie [Joneset al., 1999 Harpoldet al., 2010 Parket al., 2014]. Betrachtet man beispielsweise eine Landschaft als ein Mosaik verschiedener Flecken, wird im Allgemeinen erwartet, dass der Flecken mit der größten Abdeckung einen größeren Einfluss auf die Fließgewässerchemie hat [Tiwariet al., 2014]. Diese Informationen wurden häufig bei der Erstellung von Landschaftsmischungsmodellen verwendet, um die relativen Beiträge verschiedener Landschaftsabschnitte zum Bachlauf abzuleiten und zu quantifizieren, indem Oberwassersignale im Verhältnis zu ihrer Flächenabdeckung gemischt wurden [Laudonet al., 2011]. Als solches war es auf der Oberlaufebene vor allem deshalb erfolgreich, weil die Größe des Wassereintrags in die Bäche mit dem Anteil des Einzugsgebiets zusammenhängt, der von einem bestimmten Fleckentyp dominiert wird. Die flächenhafte Abdeckung verschiedener Patches in einem Einzugsgebiet kann daher eine einfache Technik bieten, die alle Prozesse in ein leicht zu implementierendes Modell zusammenfasst, indem angenommen wird, dass die durch die einzigartigen Eigenschaften und Prozesse jedes Patch-Typs verursachte Variabilität in ihrer Abdeckung dargestellt werden kann (Abbildung 1a ).

In Wirklichkeit ist die Rolle der Landschaftsstruktur wahrscheinlich für verschiedene Arten von Elementen unterschiedlich und hängt nicht immer direkt mit der flächenhaften Abdeckung der verschiedenen Flecken zusammen. Die wasserführenden Teile des Landschaftsteils werden wesentlich feuchter und biogeochemisch aktiver sein als die trockeneren Teile und haben daher einen erheblich größeren Einfluss auf die weniger konservativen Elemente [Zimmeret al., 2013 Goldenet al., 2014 Weyeret al., 2014]. Besteht zum Beispiel ein Einzugsgebiet aus doppelt so viel Geschiebe wie Torfböden, wird die Torflandschaft durch die Flächenbedeckung weniger Bedeutung erlangen, obwohl aufgrund der gemeinsamen Lage in die tief liegenden Gebiete rund um die Stromeinleitungspunkte [Grabset al., 2012 ].

Die Neuklassifizierung von Einzugsgebieten unter Verwendung von Feuchtgebiets- und Fließwegkonfigurationen als Deskriptoren legt daher größeres Gewicht auf Bereiche und Prozesse, die für einige Elemente unverhältnismäßig wichtig sein sollten. Stellen in den Landschaften, die von Natur aus feuchter sind als andere (z. B. Auenmoore und Moore), können daher eine größere Bedeutung für die Beeinflussung der Bachchemie haben, da sie die reaktiven Bereiche des Einzugsgebiets darstellen, d. h. „lokalisierte Hotspots“ [Kuglerová et al., 2014 ] (Abbildung 1c). In ähnlicher Weise kann die Bewertung der Wasserführung durch verschiedene Landschaftsabschnitte mithilfe der Oberflächentopographie zeigen, wie Wasser bevorzugt entlang der Fließwege zum Bach geleitet wird [gren et al., 2014]. Die Verfolgung der Grundwasserfließwege von der Einzugsgebietsscheide bis zum Bach unter Verwendung der Topographie des Einzugsgebiets kann daher dazu beitragen, herauszufinden, welche Teile der Landschaft für die Regulierung der Bachchemie am wichtigsten sein sollten. Es könnte angenommen werden, dass Patch-Typen, die sich näher am Bach befinden und entlang der Fließwege des Wassers gemessen werden, einen größeren Einfluss auf die Fließchemie haben als weiter entfernte (Abbildung 1b). Beide Fälle spiegeln wider, dass nachgelagerte Prozesse vorgelagerte Prozesse ablösen können, da sie reaktiver sind, mehr Wasser transportieren und stärker an die Vorfluter angebunden sind.

Die Schwierigkeit bei der Verwendung von Landschaftsdeskriptoren besteht darin, sie basierend auf Karteninformationen zu definieren. Während traditionelle Ansätze zur Definition von Landschaftsflächen auf Fernerkundungsdaten basieren, bei denen Karten auf der Grundlage abrupter Vegetationsänderungen erstellt werden, ignorieren sie häufig die räumliche Variabilität und die unscharfen Grenzen aufgrund kleiner Änderungen der Bodeneigenschaften der Landschaft [Murphyet al., 2011]. Der Einsatz neuer geographischer Informationssysteme (GIS) bietet die Möglichkeit, Landschaftsdeskriptoren durch feinmaßstäbliche Kartierung der Bodeneigenschaften zu erstellen [Creed und Sass, 2011 Langet al., 2012 Walkeret al., 2012]. GIS kann unser hydrologisches Verständnis der Funktion von Einzugsgebieten auf mehreren räumlichen Skalen verbessern, da es Werkzeuge zur Darstellung von Bodeneigenschaften in kontinuierlicher Pixelabdeckung über das Einzugsgebiet hinweg bereitstellt [Murphyet al., 2009 Pappaset al., 2015 Soulsbyet al., 2016]. Auf diese Weise werden allmähliche Veränderungen der Bodeneigenschaften und nicht nur deren Oberflächenbedeckung dargestellt. Die Genauigkeit einer solchen Kartierung wird durch hochauflösende LIDAR-Daten verbessert, die das Potenzial bieten, die Einzugsgebietsstruktur mit der Funktionsweise zu verknüpfen.

Das übergeordnete Ziel dieser Studie war es, das Verständnis der Verbindung zwischen den hydrologischen und biogeochemischen Prozessen in der Landschaft und ihrer Beziehung zum Transport und Verbleib einer Vielzahl von Elementen mithilfe von hochauflösenden Karteninformationen zu verbessern. Eine große Auswahl an Elementen mit gegensätzlichen biogeochemischen Eigenschaften wurde verwendet, um die wichtigsten Eigenschaften von borealen Einzugsgebieten zu testen, die die Chemie des Bachwassers regulieren. Angesichts der Tatsache, dass sich konservative und nicht-konservative Elemente in Reaktivität und Mobilität unterscheiden, stellten wir die Hypothese auf, dass für diese verschiedenen Elementklassen unterschiedliche Modelle entstehen würden, die die Beziehung zwischen Einzugsgebietsstruktur und Fließgewässerchemie beschreiben. Wir sagten voraus, dass die ausgefeilteren GIS-Ansätze unter Berücksichtigung von Faktoren wie Fließwegen und Bodenfeuchte hauptsächlich die Vorhersagekraft für Elemente mit einem eher nicht konservativen biogeochemischen Verhalten verbessern würden.


4.2 Hochauflösende DEM-Verarbeitung

Die Extraktion eines IDC supraglazialen Bach-Fluss-Netzwerks aus einem DEM erfordert die Zuweisung eines vorgeschriebenen Ortes für den Einzugsauslass (Senke). Für diese Studie wurde die topografische Vertiefung mit der bekannten Position der terminalen Auslassmouline als Senke verwendet, alle anderen kleinen Vertiefungen wurden nach Karlstrom und Yang (2016) gefüllt. Dieses teilweise gefüllte DEM wurde dann verwendet, um die Fließrichtungen und ein stromabwärts gerichtetes, flussbeitragendes Flächenraster zu berechnen (Karlstrom und Yang, 2016). Schließlich ist ein globaler Schmelzwasserbeitragsbereich ( EINC ) wurde verwendet, um Entwässerungsnetze für Eisoberflächen zu simulieren. In der Praxis, wenn EINC zu groß (klein) eingestellt ist, unterschätzen (überschätzen) modellierte Entwässerungsnetze die realen Kanalreiseentfernungen und überschätzen (unterschätzen) die tatsächlichen Reiseentfernungen zwischen den Flüssen (Montgomery und Foufoula-Georgiou, 1993 Yang und Smith, 2016). Daher können wir durch bewusste Variation dieses Parameters die jahreszeitliche Entwicklung des supraglazialen Bach-Fluss-Netzwerks simulieren, das zu Beginn und Ende der Schmelzsaison tendenziell die niedrigste Entwässerungsdichte aufweist (Yang et al., 2015b, 2017 King et al ., 2016). In dieser Studie wurde eine DEM-Stream-Burning-Technik verwendet, um die DEM zu zwingen, ein zuverlässiges, aktiv fließendes Flussnetz zu erzeugen (Lindsay, 2016). Um das WV-DEM zu verbrennen, wurden Erhebungen von DEM-Rasterpixeln, die räumlich mit unserer fernerfassten supraglazialen Karte übereinstimmen, um 1,0 m abgesenkt („verbrannt“), wodurch die geleitete Strömung gezwungen wurde, durch diese genau kartierten supraglazialen Fluss-Fluss-Kanäle zu fließen.


Angemessenheit von satellitengestützten Niederschlagsdaten für die Modellierung von Bachläufen

Überschwemmungen sind die häufigste und am weitesten verbreitete klimabedingte Gefahr auf der Erde. Hochwasservorhersagen können die Zahl der Todesopfer im Zusammenhang mit Überschwemmungen reduzieren. Satelliten bieten effektive und wirtschaftliche Mittel zur Berechnung flächenhafter Niederschlagsschätzungen in dünn bemessenen Regionen. Satellitenbasierte Niederschlagsschätzungen hatten jedoch nur begrenzten Nutzen bei der Hochwasservorhersage und der hydrologischen Modellierung von Fließgewässern, da die Niederschlagsschätzungen als unzuverlässig angesehen wurden. In dieser Studie präsentieren wir die Kalibrierungs- und Validierungsergebnisse eines räumlich verteilten hydrologischen Modells, das auf täglichen satellitenbasierten Niederschlagsschätzungen für Teileinzugsgebiete des Nils und des Mekong basiert. Die Ergebnisse demonstrieren die Nützlichkeit von fernerfassten Niederschlagsdaten für die hydrologische Modellierung, wenn das hydrologische Modell mit solchen Daten kalibriert wird. Die aus der Ferne erfassten Niederschlagsschätzungen können jedoch nicht zuverlässig mit hydrologischen Modellen verwendet werden, die mit vom Regenmesser gemessenen Niederschlag kalibriert sind, es sei denn, das Modell wird neu kalibriert.

Dies ist eine Vorschau von Abonnementinhalten, auf die Sie über Ihre Institution zugreifen können.


Brennen von DEM-Streams - Geografische Informationssysteme

Die langfristigen Ziele des NAWQA-Programms bestehen darin, den Zustand und die Trends in der Qualität eines großen, repräsentativen Teils der Oberflächen- und Grundwasserressourcen des Landes zu beschreiben und die natürlichen und menschlichen Faktoren zu identifizieren, die ihre Qualität beeinflussen. Das NAWQA-Programm bietet eine Fülle von Informationen zur Wasserqualität, die für Wassermanager auf lokaler, bundesstaatlicher und nationaler Ebene nützlich sind. Kürzlich berechnete das USGS für das Michigan Department of Environmental Quality die jährlichen Schadstofffrachten aus den großen Nebenflüssen des Lake Michigan und für die Stadt Detroit und den Southeast Michigan Council of Governments die jährlichen Schadstofffrachten in den Detroit River aus Mischwasserüberläufen.

Michigan verfügt über reichliche Oberflächenwasserressourcen. In praktisch allen Teilen von Michigan sind die Quantität, Qualität und Verteilung von Wasser für die Wirtschaft des Staates von entscheidender Bedeutung. Das USGS betreibt und unterhält landesweite Netze von Messstellen, an denen Oberflächenwasser-, Grundwasser- und Wasserqualitätsdaten kontinuierlich gesammelt und aufgezeichnet werden. Alle Daten werden in Computerdateien gespeichert, die über das Internet verfügbar sind, und jährlich veröffentlicht. Im Internet sind Echtzeitdaten von mehr als 40 Streamflow-Monitoring-Standorten verfügbar.

USGS-Datennetze sind für das langfristige Management und die tägliche Verwaltung von Wasserressourcen von entscheidender Bedeutung. Langfristige Daten der 140 Pegelstände in Michigan ( Abb. 2) werden von verschiedenen Behörden verwendet, um Brücken und Düker zu entwerfen, Spitzenabflüsse vorherzusagen und Überschwemmungskartierungen zur Minimierung von Hochwasserschäden zu verwenden. Betreiber von Wasserkraftwerken, Kläranlagenbetreiber und der National Weather Service verwenden täglich Abflussdaten. Darüber hinaus verwenden die Manager von Fischerei- und Wildschutzgebieten USGS-Streamflow-Daten in Zeiten, die für die Erhaltung geeigneter Lebensräume für die von ihnen verwaltete Fauna und Flora entscheidend sind. Eine historische Aufzeichnung von Wasserdaten bietet eine Grundlage für zukünftige Untersuchungen und eine solide Grundlage für die Planung

(Größere Version, 194K GIF) Abbildung 2. USGS-Stream-Gaging-Netzwerk.

Die USGS Biological Resources Division (ehemals National Biological Service) bietet wissenschaftliche Informationen zur Wiederherstellung, Verbesserung, Verwaltung und zum Schutz lebender Ressourcen und ihrer Lebensräume im Ökosystem der Großen Seen. Das USGS Great Lakes Science Center in Ann Arbor untersucht Fischgemeinschaften der Großen Seen, aquatische Lebensräume, Küsten- und Feuchtgebietslebensräume und entwickelt Ökosystemmodelle unter Verwendung langfristiger Datenbanken, um Störungen auf den Großen Seen zu bewerten. Zusätzlich zum Ann Arbor Laboratory betreibt das Zentrum sieben Feldstationen und fünf große Forschungsschiffe, eines auf jedem der Großen Seen, um die Forschung in diesem großen geografischen Gebiet zu erleichtern.

Zu den wichtigsten Forschungsprogrammen gehören die Bewertung von Fischbeständen und die Dynamik von Gemeinschaften, aquatische Lebensräume und Nahrungsnetz-Interaktionen, küstennahe und Feuchtgebietslebensräume, terrestrische Ökologie und exotische Arten. Es werden langfristige Untersuchungen an Fischpopulationen der Großen Seen durchgeführt, um die Faktoren zu identifizieren, die die Wiederherstellung einheimischer Arten behindern. Die Forschung zu Wasser- und Feuchtbiotopen wird verwendet, um die Wirksamkeit ökologischer Wiederherstellungsmaßnahmen zu bewerten und alternative Managementmaßnahmen zu bewerten, um negative Auswirkungen auf die Vielfalt und Nachhaltigkeit einheimischer Gemeinschaften zu minimieren. Die Forscher verwenden eine Kombination aus Feld-, Labor- und Modellstudien, um Informationen zur Vorbeugung, Eindämmung und Kontrolle exotischer Arten wie der Zebramuschel, der Kaulquappe und der Meerneunauge bereitzustellen. Die terrestrische Forschung wird hauptsächlich in den Great Lakes National Parks und Lakeshores durchgeführt, wobei der Schwerpunkt auf dem Schutz und der Wiederherstellung einzigartiger Lebensräume der Great Lakes, einschließlich Sanddünen, Grasland und Savannen, liegt.

Weitere Forschungen werden im Bundesstaat durch das USGS Environmental Technical Management Center durchgeführt, das mit dem Michigan Department of Natural Resources und anderen zusammenarbeitet, um die aktuelle Vegetation und die terrestrische Wirbeltierverbreitung zu kartieren. Diese Studie unterstützt das Upper Midwest Gap Analysis Program, um bedeutende ökologische Gebiete und Lücken in der Erhaltung der biologischen Vielfalt zu identifizieren.

USGS-Studien zeigen, dass die prähistorischen Niveaus des Lake Michigan und des Lake Huron die heutigen Schwankungen übertrafen ( Abb. 3). Die prähistorischen Schwankungen des Niveaus des Michigansees haben (um den Faktor 2) die 1,6-Meter-Schwankungsspanne überschritten, die den Tiefstand von 1964 und den Höchststand von 1985-87 umfasste. Eine dokumentierte Episode auf hoher Ebene ereignete sich im 17. Jahrhundert, bevor die Region weitgehend besiedelt wurde. Die Pegel des Lake Superior zeigen eine ähnliche Geschichte, obwohl der Bereich der prähistorischen Fluktuation 2 Meter im Vergleich zum modernen Bereich von 1,0 Meter überschritt. Studien der USGS und des Michigan Sea Grant Program in Bay Mills, Michigan, am Südufer des Lake Superior, in der Nähe von Sault Ste. Marie hat in den letzten 2.000 Jahren Episoden mit niedrigem Seespiegel dokumentiert, wobei der mittlere Pegel 1,5 Meter unter dem gegenwärtigen mittleren Pegel von 183,4 Metern lag. Solche Episoden mit höheren und niedrigeren Niveaus resultierten aus natürlichen Klimaänderungen in der Region. Größere und kleinere Schwankungen des Seespiegels im Zusammenhang mit zukünftigen natürlichen Klimaänderungen sind nicht nur möglich, sondern wahrscheinlich. Die Auswirkungen einer möglichen globalen Erwärmung auf das Ausmaß und die Häufigkeit von Wasserstandsänderungen bleiben ungewiss.

(Größere Version, 194K GIF) Abbildung 3. Geschichte des Lake-Levels für Lake Michigan und Lake Huron bei Bay Mills Michigan. A In den letzten 12.000 Jahren hat sich der See aufgrund wechselnder Abflüsse und Krustenkippungen dramatisch verändert. B Seit 5.000 Jahren wird ein allgemein fallender Trend von klimatisch kontrollierten Schwankungen überlagert. C In den letzten 160 Jahren schwankte der Seespiegel, aber jeder Höhepunkt dieses Jahrhunderts war höher als der letzte.

Die jüngste Eiszeit belastete und drückte die Landoberfläche im Gebiet der Großen Seen bis vor etwa 9.000 Jahren. Mit dem Abschmelzen der Gletscher neigt sich die Region langsam von Nordosten nach Südwesten, da sich die Landoberfläche vom Gewicht des ehemaligen Eises "erholt". Der Lake Superior wird in ähnlicher Weise gekippt. Hier ist jedoch der Auslaufkanal zum See bei Sault Ste. Marie steigt schneller als die meisten anderen Punkte entlang des US-amerikanischen Ufers des Sees. Während der Überlauf, der den Seespiegel kontrolliert, ansteigt, wird das Südufer des Sees von Ost nach West zunehmend überschwemmt. Am größten ist die Überschwemmung in Duluth, Minnesota, wo in den letzten 2.000 Jahren bis zu 5,4 Meter Überschwemmung aufgetreten sind. Die maximale Überschwemmung während dieses Zeitraums für die Küste von Michigan trat in der Nähe von Ontanogan auf, wo bis zu 3 Meter festgestellt werden. Zu den beliebtesten und vielseitigsten Produkten des USGS zählen seine topografischen Karten im Maßstab 1:24.000 (ein Zoll auf der Karte entspricht 2.000 Fuß über dem Boden). Diese Karten zeigen grundlegende natürliche und kulturelle Merkmale der Landschaft, wie Seen und Bäche, Autobahnen und Eisenbahnen, Grenzen und geografische Namen. Höhenlinien werden verwendet, um die Höhe und Form des Geländes darzustellen. Michigan wird von 1.282 Karten in diesem Maßstab abgedeckt, die für den Tiefbau, die Landnutzungsplanung, die Überwachung natürlicher Ressourcen und andere technische Anwendungen nützlich sind. Diese Karten sind seit langem bei der Öffentlichkeit beliebt für den Einsatz im Freien, einschließlich Wandern, Camping, Jagen, Erkunden und Angelexpeditionen im Hinterland.

Michigan hat eine behördenübergreifende Initiative zur Unterstützung der Computerkartierung und des Datenaustauschs ins Leben gerufen, die als Improving Michigan Access to Geographic Information Networks (IMAGIN) bekannt ist. Das IMAGIN-Konsortium, an dem die Library of Michigan, die Michigan State University, das Department of Natural Resources und das Legislative Service Bureau beteiligt sind, arbeitet daran, die Nutzung geografischer Informationssysteme (GIS) in Michigan zu unterstützen. Zu den Funktionen von IMAGIN gehören die Entwicklung von Methoden und Standards für den geografischen Datenaustausch, die Erweiterung des Zugangs zu geografischen Informationen und die Erhöhung der öffentlichen Sichtbarkeit von GIS-Produkten durch das staatliche Bibliothekssystem. USGS-Vertreter beteiligen sich an IMAGIN-Aktivitäten, indem sie vom Federal Geographic Data Committee gesponserte Workshops anbieten und Themenforen abhalten. Das USGS arbeitet auch mit Bundes-, Landes- und lokalen Behörden in Michigan zusammen, um kartografische Daten für eine Vielzahl von GIS-Anwendungen zu erstellen und bereitzustellen.

Die USGS arbeitet mit dem U.S. Army Corps of Engineers, Detroit District, zusammen, um digitale Höhenmodelle (DEMs), digitale Liniendiagramme (DLGs) und digitale Orthophotoquads (DOQs) im Südosten von Michigan zu erstellen. Die digitalen Daten werden der Ingenieur- und Planungsabteilung digitalisierte Geländeinformationen (DEMs), Kartenmerkmale wie Straßen, Bäche und Seen (DLGs) und aktuelle Luftbilder im Computerformat (DOQs) liefern, die in der Projektplanung und räumlichen Analyse verwendet werden können und andere GIS-Anwendungen.

Die USGS arbeitet mit dem Wayne County Department of the Environment zusammen, um digitale Höhendaten im Südosten von Michigan zu erstellen. Diese Daten werden die Forschungsbemühungen von Wayne County für das Rouge River National Wet Weather Demonstration Project unterstützen, indem sie topografische Daten bereitstellen, die bei der Oberflächenmodellierung verwendet werden.

Die USGS arbeitet mit dem U.S. Forest Service und dem Natural Resources Conservation Service zusammen, um DOQs für mehrere Gebiete in Michigan zu produzieren. Die DOQs für die Ottawa und Hiawatha National Forests auf der Upper Peninsula werden eine Bilddatenbank oder "Momentaufnahme" der Region liefern, die für die Planung natürlicher Ressourcen verwendet wird. Orthophotos sind für Teile der Landkreise Marquette, Alpena, Montmorency, Otsego, Kalkaska, Clinton und Monroe geplant, um als Basis für digitale Bodenkartierungsaktivitäten zu dienen.

Das Wirtschaftswachstum und die Entwicklung in Michigan hängen zum Teil von der Verfügbarkeit lokaler Mineral-, Öl- und Gasquellen für den Einsatz in der Industrie, der Produktion sowie der Instandhaltung und Modernisierung der Infrastruktur der Region ab. Das USGS hat eine integrierte digitale geologische, geochemische, geophysikalische und Mineralressourcendatenbank und eine Bewertung unentdeckter Mineralressourcen für Michigan entwickelt. Diese Datenbank kann verwendet werden, um regionale Landnutzungs-, Umwelt- und Mineralressourcenfragen zu behandeln. Ein aktuelles Produkt ist eine neue digitale geologische Karte des Grundgesteins für das Tri-State-Gebiet von Minnesota, Michigan und Wisconsin. Die USGS hat die EPA kürzlich auch bei der Prüfung des Genehmigungsantrags für den Solungsbergbau in der Mine White Pine im Norden von Michigan unterstützt.

Das USGS untersuchte neue potenzielle Gasressourcen in zerklüfteten Schiefern im tiefsten Teil des geologischen Beckens von Michigan (mit dem Zentrum der unteren Halbinsel von Michigan). Diese Studie bewertet die geologische Struktur, Stratigraphie, Frakturierung und Reservoireigenschaften sowie die potenzielle Menge und Produktion aus dem Michigan-Becken. Dieses Wissen ist äußerst wichtig, um den Beitrag dieser Region zur Versorgung der Nation mit sauber verbrennenden fossilen Brennstoffen zu ermitteln.

Die USGS führte vor kurzem eine geologische Oberflächenkartierungsschule durch, die eine Teamkartierungsübung um Benton Harbour in Berrien County, Michigan, umfasste, ein Standort, der eine "Renaissance-Zone" für die Stadterneuerung im Benton Harbour-Gebiet enthält, einen aktiv erodierenden Küstenrand, dynamische Überschwemmungen Ebenen und eine umfangreiche landwirtschaftliche Basis. Das Kartierungsteam bestand aus Geologen sowohl der USGS als auch der staatlichen geologischen Untersuchungen der Great Lakes-Staaten. Die Geologen kartierten und interpretierten die dreidimensionale Architektur von glazial transportierten Materialien und nachfolgenden Ablagerungen, die aus moderner Erosion und Ablagerung resultieren. Dieses Team sammelte und zusammengestellte Daten in einem GIS-Format in kurzer Zeit vor Ort. Manager und Planer im Gebiet Benton Harbour können die digitalen Rauminformationen nutzen, um Planungsprobleme zu lösen, einschließlich Ressourcenbewertung, Grundwasserleitermodellierung, Grundwasserqualität und Gefahrenminderung. Ein Poster mit Karten, die die Ergebnisse der Feldarbeit zeigen, ist beim USGS State Representative erhältlich.

(Größere Version, 291K GIF) Abbildung 4. Tahquamenon Falls, Paradise, Michigan. Foto mit freundlicher Genehmigung des Michigan Travel Bureau.

Für weitere Informationen wenden Sie sich an einen der folgenden Ansprechpartner:

USGS-Staatsvertreter
6520 Mercantile Way, Suite 5
Lansing, Michigan 48911-5991
Telefon: (517) 887-8903
Fax: (517) 887-8937
E-Mail: E-Mail: [email protected]

Zusätzliche Geowissenschaften
Informationen finden Sie bei
Zugriff auf die USGS-Homepage
im World Wide Web unter
http://www.usgs.gov/

Für weitere Informationen zu
alle USGS-Berichte und -Produkte
(einschließlich Karten, Bilder,
und computergestützte Daten), rufen Sie an
1-888-ASK-USGS

Das USGS stellt Karten, Berichte und Informationen bereit, um anderen zu helfen, ihre Bedürfnisse bei der Verwaltung, Entwicklung und dem Schutz der amerikanischen Wasser-, Energie-, Mineral-, biologischen und Landressourcen zu erfüllen. Wir helfen, die natürlichen Ressourcen zu finden, die für das Bauen von morgen erforderlich sind, und liefern das wissenschaftliche Verständnis, das erforderlich ist, um die Auswirkungen von Naturgefahren und Umweltschäden durch natürliche und menschliche Aktivitäten zu minimieren oder zu mildern. Die Ergebnisse unserer Bemühungen berühren das tägliche Leben fast jedes Amerikaners.

Dieses Merkblatt ist auch im pdf-Format verfügbar:

Betreuer: USGS Fact Sheet Team. Wenn Sie Anregungen für diese Seite haben, lassen Sie es uns wissen!


Gekoppelte hydrologisch-hydraulische Modellierung des Upper Paraguay River Basin

Dieses Papier präsentiert eine detaillierte Modellierung von Niederschlags-Abfluss-Prozessen und Strömungsverlauf entlang einer komplexen großräumigen Region, dem Upper Paraguay River Basin (UPRB), das ein Einzugsgebiet von etwa 6 0 000 km 2 umfasst und sich über Brasilien, Paraguay . erstreckt , und Bolivien. Innerhalb des UPRB liegt das Pantanal, das größte Feuchtgebiet der Welt, mit außergewöhnlicher Artenvielfalt und großem ökologischen Wert, das jedoch derzeit durch anthropogene Aktivitäten bedroht ist. Es wurde ein konzeptionelles Modell mit zwei Hauptkomponenten angewendet: (1) Simulation des Einzugsgebietes und eines Teils der Nebenflüsse des Paraguay-Flusses mittels des verteilten großräumigen hydrologischen Modells MGB-IPH unter Verwendung einfacherer Strömungsführungsmethoden und (2) Simulation der Haupt Entwässerungsnetz, ca. 4.800 km Flussreichweite, mit einem eindimensionalen hydrodynamischen Modell. Trotz der Datenknappheit, Komplexität und des komplizierten Flussentwässerungsnetzes der Region war das gekoppelte Modell in der Lage, das hydrologische Regime des Einzugsgebietes abzubilden. Vergleiche zwischen beobachteten und berechneten Ganglinien zeigten eine gute Modellfähigkeit bei der Darstellung des Strömungsregimes des oberen Paraguay-Flusses und seiner Nebenflüsse, was seinen Wert als Werkzeug zum Verständnis und zur Vorhersage des Systemverhaltens hervorhob. Die vorgeschlagene Modellierung der hydrologischen Prozesse des UPRB mit einem noch nie dagewesenen Detail bietet ein wertvolles Instrument zum Verständnis der Funktionsweise von Ökosystemen und zur Bewertung seiner Widerstandsfähigkeit gegenüber anthropogenem Druck, Klimawandel und Klimavariabilität.

Derzeit werden zunehmend Anstrengungen unternommen, die Klimavariabilität und den Klimawandel und deren Auswirkungen auf Biodiversität, Wasserressourcen, Nahrungsmittelproduktion und andere soziale, wirtschaftliche und politische Aspekte zu untersuchen (Gedney et al. 2006 Heimann und Reichstein 2008 Barrios et al. 2008 Steele -Dunne ua 2008 Jarvis ua 2008). Zwischen den vorhergesagten Haupteffekten des Klimawandels (natürlich oder vom Menschen verursacht) sind die Veränderungen der globalen und regionalen Niederschlagsmuster und die daraus resultierende Änderung des Abflussregimes in Flüssen (Betts et al. 2007 Gedney et al. 2006). Durch menschliche Aktivitäten verursachte Landnutzungsänderungen haben in einigen Teilen der Welt auch die hydrologischen Prozesse im Zusammenhang mit der Niederschlags-Abfluss-Transformation signifikant verändert (Stohlgren et al. 1998, Galdino und Clarke 1997).

Die Untersuchung solcher Auswirkungen auf die Wasserressourcen erforderte großflächige hydrologische Studien, in denen spezielle Ansätze verfolgt werden müssen (Overgaard et al. 2006 Xu 1999). In diesem Sinne wurden mehrere verteilte hydrologische Modelle entwickelt oder angepasst, um mit großräumigen Wassereinzugsgebieten umzugehen (Singh und Frevert 2002 Xu 1999 Wood et al. 1997 Croley II und He 2005 Croley II et al. 2005 DeMarchi et al. 2011). Diese Modelle wurden verwendet, um die Veränderungen in hydrologischen Prozessen im Wesentlichen durch Sensibilitätsanalysen ihrer Parameter oder durch die Verwendung von vorhergesagten Niederschlägen und anderen klimatischen Variablen, die von meteorologischen Modellen bereitgestellt werden, bei der Schätzung zukünftiger Flüsse zu analysieren (Benoit et al. 2000 Habets et al. 2004 Collischonn et al. 2005 Yu ua 1999).

Im Allgemeinen bestehen großräumige verteilte hydrologische Modelle aus Modulen zur Berechnung des Bodenwasserhaushalts, der Evapotranspiration, der Strömungsausbreitung innerhalb jedes Diskretisierungselements und der Strömungsführung durch das Entwässerungsnetz. Für die Flussführung werden oft relativ vereinfachte Schemata verwendet, wie z. B. lineare Reservoirs, Muskingum-Cunge oder kinematische Wellenmethoden. Bei großräumigen Flüssen in relativ flachen Gebieten können jedoch Rückstaueffekte und Überschwemmungen zu maßgebenden Faktoren für die Hochwasserwellenführung werden. Die Auen können um ein Vielfaches größer als der Hauptgerinne sein und als wichtige Speicherbereiche während des Hochwassers fungieren, um Spitzenabflüsse zu dämpfen und zu verzögern. In diesem Fall kann ein eindimensionales (1D) hydrodynamisches Modell mit dem hydrologischen Modell gekoppelt werden, um eine bessere Darstellung der Strömungsführung (Lian et al. 2007) als die Anwendung komplexerer Ansätze wie zweidimensionaler (2D) und dreidimensionale (3D) hydrodynamische Modellierung für großräumige Standorte kann aufgrund von Datenanforderungen, Rechenkosten und numerischen Instabilitäten nicht durchführbar sein (Bates und De Roo 2000 Verwey 2005 Werner 2004).

Die Hauptschwierigkeiten bei der Kombination hydrologischer und hydrodynamischer Modelle für groß angelegte Studien hängen mit numerischen Instabilitäten sowie Datenanforderungen und -vorbereitung zusammen. Eine Offline-Kopplung dieser Modelle kann das erste Problem abschwächen, aber nicht beseitigen, da bei der Anwendung eines vollständigen hydrodynamischen Modells in Bezug auf numerische Instabilitäten noch einige Sorgfalt erforderlich ist (Cunge et al. 1980). Die Frage des Datenbedarfs für hydrodynamische Modelle kann jedoch kritischer sein, zum einen aufgrund der Knappheit der Datenverfügbarkeit für große Gebiete, insbesondere in Entwicklungsländern (Patro et al. 2009), und zum anderen, weil es sich um Daten aus verschiedenen Quellen handeln kann und Formate. Die Datenanalyse und -aufbereitung kann daher zu einer übermäßig zeitaufwendigen Aufgabe werden.

Im Upper Paraguay River Basin (UPRB), das sich in den drei südamerikanischen Ländern Brasilien, Bolivien und Paraguay befindet, in dem Datenknappheit und die Komplexität der Region eine Herausforderung darstellen, haben sich frühere hydrodynamische Studien auf kleine Teile des Beckens konzentriert oder eine zu vereinfachter Ansatz (Miguez 1994 Vila da Silva 1991 Hamilton et al. 1996 Pfafstetter 1993 Hamilton 1999 Tucci et al. 2005 Paz et al. 2007 Maathuis 2004 Kappel und Ververs 2004 Mascarenhas und Miguez 1994). Die Ausnahme bildet die aktuelle Studie von Paz et al.(2010), in dem ein vollständiges hydrodynamisches Modell unter Verwendung von Verfahren auf Basis von Geoinformationssystemen (GIS) zur Aufbereitung von Eingabedaten und zur Erhaltung der räumlichen Lage der Flusshydraulik angewendet wurde. In ihrer Studie wurde ein 4.800 km langes Flussentwässerungssystem modelliert, was zu vernünftigen Ergebnissen führte. Eine solche hydrodynamische Modellierungsstudie war jedoch nur auf die Pantanal-Region beschränkt, die den zentralen Teil des UPRB mit sehr niedrigem und flachem Relief und einem komplexen Entwässerungssystem darstellt und 25 % der Beckenfläche ausmacht, wobei beobachtete Ganglinien als stromaufwärts liegende Randbedingungen verwendet wurden .

Wie die Studie von Paz et al. (2010) nur die Abflussführung entlang des Flussabflusssystems der Pantanal-Region darstellt, bietet keine Möglichkeit, Landnutzungs- und Klimawandelszenarien zu bewerten, für die eine vollständige Simulation der Niederschlags-Abfluss-Prozesse im gesamten UPRB erforderlich. Die Modellierung der Niederschlags-Abfluss-Transformation ist dringend erforderlich, um die Auswirkungen verschiedener anthropogener Aktivitäten, die derzeit die Region bedrohen, wie Landwirtschaft, Viehzucht und Staudammbau, vorherzusagen (Hamilton 2002 Da Silva und Girard 2004 Junk et al. 2006), neben der Verbesserung der Verständnis des aktuellen Systemverhaltens. Dennoch erfordern die großen Dimensionen des UPRB, die große Vielfalt an Biomen und Topographien, seine besonderen hydrologischen Eigenschaften und der Mangel an Daten zur physikalischen Charakterisierung des gesamten Beckens einen enormen Aufwand für die Entwicklung solcher Modellstudien.

Dieses Papier fasst die Methodik und die Ergebnisse der umfassendsten und detailliertesten gekoppelten hydrohydraulischen Modellierungsstudie zusammen, die für das gesamte UPRB angewendet wurde. Das gesamte Einzugsgebiet von ca. 6 000 000 km 2 des UPRB wird mit einem verteilten hydrologischen Modell modelliert, das mit dem 1D-hydrodynamischen Modell gekoppelt ist, das zuvor von Paz et al. (2010) zur Strömungsführung durch das 4.800 km lange Flussentwässerungssystem. Die Auswertung der Ergebnisse erfolgt durch den Vergleich von beobachteten und berechneten Ganglinien in 15 Strömungsmessstationen. Es wird auch analysiert, ob die Einbeziehung der Niederschlags-Abfluss-Prozesssimulation der beitragenden Gebiete des Pantanal mit dem Modellierungsansatz von Paz et al. (2010) in Bezug auf die Reproduktion des Flussregimes entlang des Pantanal.

Der Paraguay-Fluss ist einer der Hauptzuflüsse des La Plata-Flusses mit einem Einzugsgebiet von 1.095.000 km 2 , das sich teilweise über vier südamerikanische Länder erstreckt: Brasilien (34 % des Einzugsgebiets), Paraguay (32 %). Bolivien (19 %) und Argentinien (15 %). Das Einzugsgebiet des Paraguay-Flusses kann in einen oberen und einen unteren Teil unterteilt werden. Das Untersuchungsgebiet umfasst UPRB, das flussaufwärts des Flusses Apa in den Fluss Paraguay beitragende Gebiet mit einem Einzugsgebiet von ungefähr 6 0 000 km 2 . Die UPRB kann nach topographischen und hydrologischen Merkmalen weiter in drei verschiedene Regionen (Abb. 1) unterteilt werden: Planalto (2 60 000 km 2 ), Chaco (2 00 000 km 2 ) und Pantanal (1 40 000 km 2 ). 000 km 2 ) Regionen.

Abb. 1. Lage des Oberen Paraguay-Flussbeckens und seine Aufteilung in die Regionen Planalto, Chaco und Pantanal

Die Region Planalto besteht aus Land oberhalb der 200-m-Höhenlinie, das hauptsächlich im östlichen und nördlichen Teil des Beckens liegt und eine relativ schnelle Entwässerung aufweist. Die jährliche Niederschlagsmenge übersteigt 1.400 mm, mit einer ausgeprägten jahreszeitlichen Verteilung, und das Land wird hauptsächlich für die Viehzucht und die Landwirtschaft genutzt. In dieser Region stammt der Großteil des Abflusses des gesamten UPRB ca. 80 % des Abflusses am UPRB-Auslass aus dem Planalto.

Der westliche Teil des UPRB gehört zum Chaco-Biom, das sich durch sehr geringe Niederschläge und ein endorreisches Entwässerungsnetz auszeichnet, also ohne nennenswerte Beiträge zum Paraguay-Fluss (MMA 1997).

Die Region Pantanal liegt im zentralen Teil des UPRB und erhält Beiträge aus den Becken, die den Planalto entwässern. Das Pantanal, das größte Feuchtgebiet der Welt, wird aufgrund der Korngröße seiner Sedimente als sandiges Feuchtgebiet klassifiziert (Iriondo 2004). Aufgrund des geringen Gefälles und der geringen Ränder der Flüsse im Pantanal ist das Entwässerungssystem dieser Region nicht in der Lage, das aus dem Planalto fließende Hochwasser zu transportieren, und weite Gebiete werden überflutet. Außerdem weisen die Nebenflüsse des Paraguay-Flusses ein verteiltes Entwässerungsmuster auf, das für die Verringerung der Kanalkapazität und die Umleitung in die Überschwemmungsgebiete verantwortlich ist (Assine und Soares 2004). Das Abflussregime der Nebenflüsse des Paraguay-Flusses wird hauptsächlich durch diesen Überflutungsprozess bestimmt, der die Spitzenabflüsse auf mehr als die Hälfte reduziert (Bravo et al. 2005) und die Form der Ganglinien entlang jedes Flusses von flussaufwärts nach flussabwärts stark verändert. Dieses „Loss to Auen“-Verhalten zeigt auch der Paraguay-Fluss, wie er von Assine und Silva (2009) für die Reichweite dieses Flusses entlang der Nordgrenze des Pantanals diskutiert wurde.

Das über die Hauptrinnen austretende Wasser kann monatelang in großen Überschwemmungsgebieten und seichten Seen gespeichert bleiben oder sich über ein divergierendes, über Schwemmfächern gebildetes Entwässerungssystem ausbreiten (Bordas 1996 Assine 2005). Dieser Flutimpulsprozess ist saisonal geprägt mit einer durchschnittlichen Überflutungsfläche von 50 000 km 2 pro Jahr (Hamilton et al. 1996) und reguliert stark die gesamte Ökosystemintegrität und -erhaltung (Junk et al. 2006 Hamilton 2002).

Aufgrund des komplexen hydrologischen Regimes des UPRB, das eine viel komplexere Sedimentdynamik bestimmt, gibt es im Pantanal ein kompliziertes Entwässerungssystem, das riesige Flachseen und divergente und endorreische Entwässerungsnetze umfasst. Zusammenfassend lässt sich sagen, dass das Pantanal als großer natürlicher hydrologischer Regler des Paraguay-Flusses und seiner Nebenflüsse fungiert, da der jährliche Niederschlag geringer ist als die potenzielle Verdunstung und die Entwässerung aufgrund der flachen Gefälle sehr langsam ist (Tucci et al. 1999, Bordas 1996). al. 2005 Bravo et al. 2005 Paz et al. 2010).

Nach der Klimaklassifikation nach Köppen herrscht in der Region das Klima der Tropensavanne mit Niederschlagskonzentration im Sommer vor. Die Regenzeit beginnt im Oktober und endet im April. In den meisten Regionen der Region machen die Niederschläge in den sechs feuchtesten Monaten mehr als 80% der jährlichen Gesamtmenge aus. Der feuchteste 3-Monats-Zeitraum ist von November bis Januar, während sich die Trockenzeit von Mai bis September erstreckt. In den meisten Becken liegen die Durchschnittstemperaturen zwischen 18 und 22°C. September und Oktober sind die heißesten Monate mit Durchschnittstemperaturen von 24 bis 26 °C. Der Juli ist der kälteste Monat mit Durchschnittstemperaturen von 16 bis 18 °C.

Ein wichtiges klimatisches Merkmal des UPRB ist die räumliche Variabilität des Jahresniederschlags mit einem sehr starken Ost-West-Gefälle, mehr als 1.500 mm östlich des Beckens, weniger als 700 mm in der Zentralregion und höheren Niederschlagsraten in eine kleine Region im Westen. Der Paraguay-Fluss selbst verläuft von Norden nach Süden und folgt einem Pfad, der mehr oder weniger auf dem Meridian 58°W ausgerichtet ist. Diese Linie folgt auch ungefähr den 1000-mm-Isohyets, mit mehr Niederschlag östlich des Flusses und weniger als 1000 mm westlich davon (Abb. 2). Diese Niederschlagsverteilung hat einen starken Einfluss auf die regionale Hydrologie. Da die Niederschläge im Osten höher sind, tragen Nebenflüsse des Ostrandes des Paraguay-Flusses im Allgemeinen zu mehr Abfluss bei als die im Westen.

Abb. 2. Isohyets-Karte für das Upper Paraguay River Basin

Das in dieser Studie vorgestellte konzeptionelle Modell besteht aus zwei Hauptkomponenten: (1) Simulation des Einzugsgebietes und eines Teils der Nebenflüsse des Paraguay-Flusses mittels eines Niederschlags-Abfluss-Modells mit vereinfachter Strömungsführungsmethode und (2) Simulation des Hauptentwässerungsnetzes durch ein vollständiges hydrodynamisches 1D-Modell.

Als erster Bestandteil des konzeptionellen Modells wurde das großräumige, verteilte hydrologische Modell MGB-IPH verwendet. Es wurde für den Einsatz in großen südamerikanischen Becken mit spärlichen Daten entwickelt und ist in Collischonn et al. (2007a). Das Einzugsgebiet wird durch quadratische Gitterelemente dargestellt, die durch Kanäle verbunden sind, wobei jedes dieser Elemente eine begrenzte Anzahl von unterschiedlichen gruppierten Reaktionseinheiten (GRUs) enthält, dh Gebiete mit ähnlicher Kombination von Boden und Landbedeckung (Kouwen et al. 1993) , ähnlich der von Beven (2001) vorgestellten hydrologischen Reaktionseinheit. Jedes Element hat im Allgemeinen Abmessungen von 0,1 × 0,1 ° (ca. 10 × 10 km), hängt jedoch von der Beckengröße und der angenommenen räumlichen Diskretisierung des Modells ab. Das MGB-IPH-Modell besteht aus Modulen zur Berechnung des Bodenwasserhaushalts, der Evapotranspiration, der Strömungsausbreitung innerhalb eines Elements und der Strömungsführung durch das Entwässerungsnetz. Für jede GRU wird ein Bodenwasserhaushalt berechnet, und der aus den verschiedenen GRUs im Element erzeugte Abfluss wird dann summiert und unter Verwendung von drei linearen Reservoirs in das Bachnetz übertragen: Basisabfluss, Untergrundabfluss und Oberflächenabfluss. Der Stromfluss wird mit der Muskingum-Cunge-Methode durch das Flussnetz geleitet, wobei unterschiedliche Längen und Neigungen für jeden Flussabschnitt berücksichtigt werden, die die Verbindung zwischen zwei gegebenen Elementen darstellen, die automatisch aus der Verarbeitung des digitalen Höhenmodells (DEM) abgeleitet werden (Paz und Collischonn 2007 Paz et al. 2006).

Das MGB-IPH-Modell wurde typischerweise mit einem täglichen Zeitschritt angewendet, da dies üblicherweise die Zeitdiskretisierung der verfügbaren Niederschlagsdaten ist, obwohl auch kleinere Zeitschritte verwendet werden könnten. Niederschlagsdaten werden in jedem Zeitschritt unter Verwendung der Methode des inversen Entfernungsquadrats zur Mitte jedes Modellgitterelements interpoliert, während für andere meteorologische Variablen eine Methode des nächsten Nachbarn angewendet wird. Die Kalibrierung des MGB-IPH-Modells wird durch Ändern der Parameterwerte unter Beibehaltung der Beziehungen zwischen ihnen und der Landnutzung erreicht. Der multiobjektive evolutionäre Algorithmus MOCOM-UA (Yapo et al. 1998) wird für die automatische MGB-IPH-Kalibrierung unter Berücksichtigung von drei Zielfunktionen verwendet: Volumenverzerrung ( V ) Nash-Sutcliffe-Effizienzindex für Stromfluss (NSS) und Nash-Sutcliffe-Effizienzindex für die Logarithmen des Stromflusses (NSSLOG). Mehrere Anwendungen des MGB-IPH-Modells zur hydrologischen Modellierung und Abflussvorhersage in großen Becken wurden mit akzeptablen Ergebnissen durchgeführt (Allasia et al. 2006 Bravo et al. 2009 Collischonn et al. 2007b Collischonn et al. 2005 Tucci et al. 2003 ).

Die zweite Komponente des konzeptionellen Modells ist ein hydraulisch-hydrodynamisches 1D-Modell, mit dem die Flussführung entlang des Hauptentwässerungsnetzes der Pantanal-Region durchgeführt wurde. Es wurde das bekannte hydraulische Modell des Hydrologic Engineering Center-River Analysis System (HEC-RAS) (USACE 2004) verwendet. Es löst die vollständigen Saint-Venant-Gleichungen unter Verwendung eines impliziten Preismann-Vier-Punkte-Schemas endlicher Differenzen (Cunge et al. 1980), und Manning-Rauheitskoeffizienten werden verwendet, um den Strömungswiderstand darzustellen.

Das MGB-IPH-Modell wurde auf das gesamte Upper Paraguay River Basin mit einer räumlichen Diskretisierung von quadratischen Rasterelementen von 0,1° Auflösung und insgesamt 5.195 Rasterelementen mit einer Fläche von 114,5 bis 120,2 km 2 angewendet. Es wurde ein täglicher Zeitschritt verwendet, da in diesem Zeitintervall Niederschlag, Abfluss und meteorologische Daten verfügbar sind.

Das im hydrologischen Modell dargestellte Flussentwässerungsnetz wurde automatisch aus dem SRTM-90m DEM (Abb. 3) abgeleitet, einschließlich der Fließrichtung und der kumulierten Entwässerungsfläche für jedes Gitterelement sowie Länge und Neigung der Flussabschnitte, die Modellelemente verbinden. Aber auch bei Anwendung eines Stream-Burning-Verfahrens zur Vorverarbeitung der DEM (Saunders 1999 Turcotte et al. 2001) waren aufgrund der extremen Ebenheit des Pantanals manuelle Korrekturen im Entwässerungsnetz notwendig.

Abb. 3. Hydrologische und meteorologische Pegelstationen und digitales Höhenmodell von SRTM des Upper Paraguay River Basin

Die knappen Niederschlags- und meteorologischen Daten (Abb. 3) wurden bei jedem Zeitschritt in die Mitte jedes Gitterelements des hydrologischen Modells interpoliert. Die Böden wurden anhand von Daten aus der RADAMBrasil-Untersuchung (Ministério das Minas e Energia 1983), dem PCBAP-Projekt (MMA 1997) und der Bodenkarte der Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen (FAO) (1974, 1988) charakterisiert. Die Bodenarten des UPRB wurden nach ihrem Vorkommensgebiet und ihrer Wasserspeicherfähigkeit in acht Klassen eingeteilt. Die Landnutzungsklassifizierung wurde durch die Analyse mehrerer Landsat7 ETM+-Bilder erhalten, die im Wesentlichen darauf abzielen, von Feldfrüchten, Weiden oder einheimischer Vegetation besetzte Gebiete sowie saisonal überflutete Gebiete zu identifizieren. Nach vorliegenden Boden- und Landbedeckungskarten wurden Bodenarten und Landnutzungsklassen zusammengefasst. Dies führte zu einer Reihe von Kombinationen, die dann in 10 GRUs gruppiert wurden. Diese Beschränkung der Anzahl der GRUs zielt darauf ab, Modellparameter zu reduzieren und auch die Darstellung irrelevanter oder nicht repräsentativer physikalischer Merkmale für den Maßstab dieser Studie zu vermeiden.

Tabelle 1 fasst die Inputs und Outputs des hydrologischen Modells für seine Anwendung auf den UPRB zusammen.

Tabelle 1. Beschreibung der Eingabe- und Ausgabedaten für die Anwendung des MGB-IPH-Modells auf den UPRB

DatentypBeschreibungDigitales Format
Physikalische Eigenschaften des EingangsbeckensBodentyp und Landnutzung, die zu Topographieparametern der GRUs in Bezug auf die Landnutzung zusammengefasst werden: Blattflächenindex, Oberflächenwiderstand, Albedo und VegetationshöheRaster-Raster-ASCII
Eingabediskretisierung und EntwässerungsnetzAufteilung des Beckens in Elemente Entwässerungsnetz, das die Modellelemente verbindet Länge und Neigung des Flusses erreicht die Oberfläche der verbindenden Modellelemente und trägt für jedes Element zur Entwässerungsfläche beiRaster Raster Raster Raster
Eingabe hydrometeorologischer DatenWetterdaten der Niederschlagszeitreihen: Lufttemperatur, Luftdruck, Sonneneinstrahlung, Windgeschwindigkeit und relative LuftfeuchtigkeitASCII-ASCII
AusgabeStrömung an den Randbedingungen des hydraulischen ModellsASCII
AusgabeSeitlicher Zufluss zu den Abschnitten des hydraulischen ModellsASCII

Das hydrodynamische Modell wurde für die Strömungsführung entlang des Paraguay-Flusses und seiner Hauptzuflüsse angewendet, wobei es seine riesigen flachen Seen und divergenten und endorreischen Entwässerungsnetze durch eine Kombination von Reichweiten und Speicherbereichen darstellt.

Wie in Paz et al. (2010) wurden Eingabedaten für das hydraulische Modell in einer konsistenten und georeferenzierten Datenbank durch GIS-basierte automatische Verfahren aufbereitet, die für den Umgang mit der großen Datenmenge aus verschiedenen Quellen mit unterschiedlichen Formaten und horizontalen und vertikalen Daten entwickelt wurden. Detaillierte Querschnittsprofile des Hauptkanals wurden mit Höhenwerten aus SRTM-90m zur Charakterisierung der Überschwemmungsgebiete kombiniert, wobei die Verbindung zwischen hydraulischen Daten und räumlicher Lage erhalten blieb. Nach diesen Verfahren wurden alle geometrischen Daten der 24 Flussabschnitte, 12 Einmündungen, 1.124 Querschnitte und 11 Speicherbereiche zusammenhängend und nicht zeitaufwendig in das hydraulische Modell eingegeben.

Die Modellkalibrierung bestand in der Einrichtung der Manning-Koeffizienten ( n ). In dieser Studie wurden die von Paz et al. (2010) verwendet. Diese Autoren definierten unterschiedliche Werte von n für den Hauptkanal und die Überschwemmungsgebiete für jedes Flusssegment zwischen zwei Flussmessstationen, indem sie beobachtete und berechnete Ganglinien verglichen. Dieses Verfahren wurde von flussaufwärts nach flussabwärts entlang des modellierten Entwässerungsnetzes durchgeführt, wobei n manuell variiert wurde, jedoch auf den in der Literatur für diese Art von Kanälen und Überschwemmungsgebieten angegebenen Bereich beschränkt wurde. Insgesamt gab es 27 verschiedene Flusssegmente, deren entsprechende n Koeffizienten kalibriert wurden. Sie führen das hydraulische HEC-RAS-Modell mit einem Zeitschritt von 12 Stunden zu Stunde für den Zeitraum vom 1. Januar 1996 bis 31. Dezember 2000 aus. Für den Hauptkanal wurden Besetzungskoeffizienten von 0,02 bis 0,035 und von 0,04 bis . ermittelt 0,2 für das Überschwemmungsgebiet. Tabelle 2 fasst die Inputs und Outputs des hydraulischen Modells für seine Anwendung auf den UPRB zusammen.

Tabelle 2. Beschreibung der Eingabe- und Ausgabedaten für die Anwendung des HEC-RAS-Modells auf den UPRB

DatentypBeschreibung
EingabegeometrieFlussabschnitte und Systemnetz zusammengesetzt (Kanal-Auen) Querschnittsprofile Abstand zwischen den Querschnitten Eigenschaften von Speicherbereichen (Lage- und Höhen-Volumen-Kurven)
EingabeparameterRauheitskoeffizient nach Manning in Gerinne und Überschwemmungsgebiet für jeden Flussabschnitt zwischen zwei Flussmessstationen
Eingabe-RandbedingungenAbfluss an der vom MGB-IPH-Modell geschätzten Randbedingung seitlicher Zufluss in mehrere vom MGB-IPH-Modell geschätzte Flussabschnitte
AusgabeStreamflow an den verschiedenen Kontrollpunkten innerhalb der Pantanal-Region

Es wurde eine Einweg- und Offline-Kopplung zwischen den hydrologischen und hydraulischen Modellen angenommen. Das von Paz et al. (2010) wurde mit einem 12-h-Zeitschritt für denselben von diesen Autoren übernommenen Zeitraum (1. Januar 1996 bis 31. IPH-Modell.

Der Eingang jedes Flusses in das Pantanal-Gebiet wurde als flussaufwärts liegende Randbedingung im hydraulischen Modell (Abb. 4) übernommen, da flussabwärts von diesem Punkt die Flutwelle von der im hydrologischen Modell verwendeten Muskingum-Cunge-Methodik nicht korrekt geleitet wird. Somit wurden die vom MGB-IPH-Modell berechneten Ganglinien bei diesen flussaufwärts liegenden Randbedingungen als Beitrag der Region Planalto für das vom HEC-RAS-Modell modellierte Flussnetz flussabwärts betrachtet. Darüber hinaus wurde der in den Gebieten Pantanal und Chaco durch die Regen-Abfluss-Transformation erzeugte Stromfluss, der durch das MGB-IPH-Modell repräsentiert wird, als seitliche Zuflüsse in das hydraulische Modell betrachtet.

Abb. 4. Diskretisierung des modellierten Systems im hydrologischen Modell und des im hydraulischen Modell dargestellten Flussnetzes

Die Modellparameter wurden in erster Linie gemäß den Eigenschaften jeder GRU eingestellt, aber einige von ihnen wurden durch den für das MGB-IPH verfügbaren automatischen Kalibrierungsprozess angepasst, wodurch die Parametersuche zwischen realistischen physikalischen Grenzen eingeschränkt wurde. Obwohl es sich um ein physikalisch verteiltes Modell handelt, wurden einige Regionen des Beckens aufgrund von Rechenbeschränkungen auf maximal 10 festgelegt, da die Anzahl der einzelnen GRUs nicht mit ausreichenden Details dargestellt wurde, um die lokalen hydrologischen Prozesse korrekt zu charakterisieren. Folglich wurden geringfügige Unterschiede zwischen den Teileinzugsgebieten für die Variation der MGB-IPH-Modellparameter in Bezug auf die GRU-Eigenschaften zugelassen.

Für die Kalibrierung der einzelnen Teilbecken am Planalto wurden je nach Datenverfügbarkeit unterschiedliche Zeiträume berücksichtigt. Insgesamt wurden 15 Parameter des MGB-IPH-Modells kalibriert. Die Beschreibung jedes Parameters und sein Einfluss auf verschiedene Aspekte der Darstellung hydrologischer Prozesse werden von Collischonn et al. (2007a).Als Ergebnis des Kalibrierungsprozesses wurden für jede Messstation mehrere Pareto-optimale Lösungen gefunden, und eine einzige davon wurde ausgewählt, um einen akzeptablen Kompromiss bei der Anpassung der verschiedenen Teile der Ganglinie zu erzielen (Bastidas et al. 2002) .

Im Allgemeinen passte das Modell gut, da die NSS- und NSSLOG-Koeffizienten in den meisten Einzugsgebieten sowohl im Kalibrierungs- als auch im Validierungszeitraum ungefähr 0,80 betrugen (Tabelle 3). Die Volumenfehler zwischen beobachteten und berechneten Ganglinien waren ebenfalls akzeptabel und lagen in den meisten Fällen bei 2–4 %. Beispiele für die Anpassung zwischen berechneten und beobachteten Ganglinien sind in Abb. 5 für acht Kontrollpunkte in der Region Planalto dargestellt, von denen sechs die Mündungsabschnitte von Flüssen darstellen, die von Planalto nach Pantanal fließen.

Abb. 5. Berechnete (schwarze Linie) und beobachtete (graue Linie) Ganglinien an den Mündungsabschnitten jedes Flusses im Pantanal und anderen Kontrollpunkten im Planalto von Januar 1997 bis Januar 2000

Tabelle 3. Statistiken, die die Güte der hydrologischen Modellanpassung in der Planalto-Region des oberen Paraguay-Flussbeckens zeigen

BezugFlussStationsnameZeitraumEntwässerungsgebiet ( km 2 )NSSVolumenfehler (%)NSSLOG
(ein)CuiabáRosario Oeste1980–199014,6880.810.000.84
(B)CuiabáCuiabá1980–199022,0370.801.700.82
(g)TaquariPerto Pedro Gomes1978–19849,3000.492.400.65
(h)TaquariCoxim1978–198427,0400.81 - 1.30 0.84
(Ö)Oberes ParaguayBarra do Bugres1993–199910,1200.800.180.80
(Q)Oberes ParaguaySão José Sepotuba1993–19998,6400.73 - 0.20 0.76
(R)Oberes ParaguayCáceres1993–199933,8900.88 - 0.45 0.91
(D)ItiquiraItiquira1975–19812,8720.65 - 0.60 0.71
(e)ItiquiraBR 1631975–19815,1000.744.100.78
(C)VermelhoRondonópolis1992–199911,9950.561.500.71
(J)AquidauanaPonte do Gregor1992–19976,8300.74 - 3.00 0.74
(k)AquidauanaAquidauana1992–199715,2000.83 - 2.00 0.84
(l)MirandaMT7381994–199911,8200.661.100.71

Die zuvor vorgestellten Statistiken sind im Kontext der Datenknappheit zu verstehen. Die Studie verwendete Daten von 86 Abfluss- und 92 Niederschlagsmessern, was eine Dichte von einem Abflussmesser alle 2 .953 km 2 und einer Niederschlagsinformation alle 2 760 km 2 anzeigt, in der besten und seltensten Situation, an einem bestimmten Tag verfügbare Daten zu haben an allen Stationen gleichzeitig. Diese Dichten sind zu weit von den Empfehlungen der Weltorganisation für Meteorologie für Regionen entfernt, die durch schwierige Datenerfassung gekennzeichnet sind. Folglich wurden in den am wenigsten (besten) überwachten Einzugsgebieten die schlechtesten (besten) Ergebnisse erzielt. Zum Beispiel war es nicht ungewöhnlich, dass im Aquidauana-Becken die meiste Zeit nur eine funktionierende Niederschlagsstation vorhanden war, was zu einer Dichte von fast einer Niederschlagsinformation alle 10 000 km 2 führte. Vor diesem Hintergrund wurden die erhaltenen Ergebnisse als akzeptabel angesehen.

Die erste interessante Analyse der Ergebnisse bei Pantanal ist der Vergleich mit den Ergebnissen der früheren Studie von Paz et al. (2010), die beobachtete Strömung als stromaufwärts liegende Randbedingung verwendet, anstatt ein verteiltes hydrologisches Modell zu koppeln. Die nach dem Vergleich beobachteter und berechneter Ganglinien entlang des Paraguay River und Nebenflüssen erhaltenen Statistiken waren in beiden Studien in Bezug auf NSS und Root-Mean-Square-Error (RMSE) ähnlich (Abb. 6). Insgesamt ist die von Paz et al. (2010), desto geringer ist der Unterschied zwischen den Statistiken dieser Autoren und denen dieser Arbeit. Mit anderen Worten, die Schwierigkeiten bei der Reproduktion des beobachteten Abflussregimes an einigen Abflussmessstationen, die in der diskutierten Studie gefunden wurden, in der die Manning-Koeffizienten des 1D-hydrodynamischen Modells angepasst wurden, wurden vergrößert, wenn die Modellierung der Niederschlags-Abfluss-Prozesse über ihren Beitrag Bereiche aufgenommen wurde. Dies war zu erwarten, da die Unsicherheiten in der Niederschlagsschätzung und in der Niederschlags-Abfluss-Modellierung nun in die Modellierung einfließen. Die Ähnlichkeit der Ergebnisse dieser Studie mit denen des vereinfachten Ansatzes, beobachtete Abflüsse als flussaufwärts gelegene Randbedingungen zu verwenden, unterstreicht jedoch die sehr vernünftigen Ergebnisse der Bemühungen, den gesamten UPRB zu modellieren.

Abb. 6. Vergleich zwischen den in dieser Studie erhaltenen Leistungsmaßen NSS und RMSE, die hydrologisch-hydrodynamische Modelle koppeln, und den von Paz et al. (2010), die beobachtete Strömung als stromaufwärts liegende Randbedingung für die hydrodynamischen Modellkreise verwendet haben, beziehen sich auf Stationen entlang des Paraguay-Flusses Dreiecke verweisen auf Nebenflüsse

Das gekoppelte Modell reproduzierte das beobachtete Abflussregime an den Nebenflüssen zufriedenstellend, wie durch visuelle Inspektion der Ganglinien (Abb. 7) und gemäß den erhaltenen Statistiken dargestellt und in Tabelle 4 gezeigt, wobei MAE den mittleren absoluten Fehler und MRE den mittleren relativen . bedeutet Error. Die NSS-Koeffizienten lagen bei der Hälfte der verfügbaren Spurweiten zwischen 0,7 und 0,9 und lagen nur bei drei davon (São João, São Jerônimo und Porto Ciríaco) unter 0,5. Entlang der Nebenflüsse lag der MRE zwischen 12 und 22 %, außer an den Stationen Barão de Melgaço, São João und Miranda, wo dieser Wert über 30 % lag.

Abb. 7. Berechnete (schwarze Linie) und beobachtete (graue Linie) Ganglinien an sechs Kontrollpunkten entlang Nebenflüssen des Paraguay-Flusses

Tabelle 4. Leistungskennzahlen unter Verwendung des gekoppelten Modells an Kontrollpunkten für den Zeitraum 1. Januar 1996–31. Dezember 2000

BezugKontrollpunktFlussRMSE ( m 3 · s - 1 )MAE ( m 3 · s - 1 )MRE (%)NSS
(10)DescalvadosParaguay94.0176.1212.300.87
(11)Porto ConceiçãoParaguay52.0543.8611.030.85
(12)AmolarParaguay165.62135.1210.780.74
(13)São FranciscoParaguay406.14342.2121.180.50
(14)Porto da MangaParaguay238.88194.6010.700.77
(15)Porto MurtinhoParaguay509.86402.1316.170.48
(1)Barão de MelgaçoCuiabá178.55118.9933.040.63
(2)São JoãoCuiabá102.6276.7830.340.31
(3)A. Corrego GrandeSão Lourenço82.9359.5416.420.84
(4)São José BorireuSão Lourenço41.1232.0712.390.79
(5)São JerônimoPiquiri84.7061.5119.770.49
(6)São José PiquiríPiquiri110.4078.9221.730.69
(7)Porto do AlegreCuiabá102.4080.7112.760.73
(8)Porto CiríacoAquidauana28.6621.5318.730.44
(9)MirandaMiranda59.3738.6839.660.50

Die Hauptschwierigkeit bei der Reproduktion des Strömungsregimes entlang der Nebenflüsse des Paraguay-Flusses liegt hauptsächlich in den Unsicherheiten im Zusammenhang mit der Knappheit der verfügbaren Querschnittsprofile begründet. Das vorgeschlagene gekoppelte hydrologisch-hydraulische Modell war jedoch in der Lage, die unterschiedlichen beobachteten Strömungsregime an den Nebenflüssen des Paraguay-Flusses zu reproduzieren. Bei Barão de Melgaço weist der Fluss Cuiabá ein ausgeprägtes saisonales Abflussregime auf, wobei die Hochwasserperiode zwischen Oktober und Mai auftritt und die Spitzenabflüsse 1.600 m 3 · s erreichen, während die Rezessionsabflüsse etwa 100 m 3 · s betragen. Der Fluss São Lourenço an der Station São José weist ebenfalls ein ausgeprägtes saisonales Abflussregime auf, das jedoch durch sanftere ansteigende und fallende Gliedmaßen im Vergleich zum Fluss Cuiabá bei Barão de Melgaço gekennzeichnet ist, der als Reaktion auf Niederschlagsereignisse nervösere Schwingungen zeigt. In São José betragen die Spitzen- und Rezessionsströme typischerweise etwa 400 bzw. 160 m 3 · s , was bedeutet, dass Hochwasserspitzen nur 1,5-mal höher sind als die Rezessionsströme. Dieses Verhältnis ist für den Fluss Cuiabá bei Barão de Melgaço zehnmal größer. Unterhalb dieser Station, in Porto do Alegre, ähnelt das Abflussregime des Flusses Cuiabá jedoch sehr dem des Flusses São Lourenço bei São José: glatte ansteigende und abfallende Äste von Hochwasserganglinien mit relativ geringen Schwankungen zwischen Hochwasserspitzen und Rezession fließt. Bei São José Piquiri im Piquiri-Fluss wird ein ähnliches Verhalten beobachtet, jedoch mit ausgeprägteren Hochwasserspitzen. Das Abflussregime an der Miranda-Station im Miranda-Fluss wiederum weist eine schwache Saisonalität auf, aber mit einer schnellen und sehr ausgeprägten Reaktion der Abflüsse auf Niederschlagsereignisse. An der Station Porto Ciríaco im Fluss Aquidauana schließlich ist das Abflussregime sehr unterschiedlich zu allen zuvor besprochenen, mit einem deutlichen Höchstwert von 150 m 3 · s und einer leichten Saisonalität. Die an dieser Station beobachtete Ganglinie weist nur geringe Spitzenabflüsse auf, da bei den großen Hochwassern eine riesige Wassermenge über den Hauptkanal spritzt und die Auen überschwemmt, was zu einem Schnitt des ansteigenden Schenkels in Höhe von 150 m 3 · s führt.

Alle beschriebenen komplexen Abflussregime wurden durch das gekoppelte hydrologisch-hydraulische Modell zufriedenstellend reproduziert, wie der visuelle Vergleich der beobachteten und berechneten Ganglinien und die in Tabelle 4 gezeigten Statistiken zeigen Pantanal wurden auch durch das vorgeschlagene Modell reproduziert. Diese Veränderungen sind eine Folge der geringen Förderkapazität der Flusskanäle im Pantanal und der daraus resultierenden Überschwemmung der Auen. Vergleichen Sie zum Beispiel die Ganglinien zwischen Rondonópolis (Abb. 5) und São José (Abb. 7) an ersterer, die den Mündungsabschnitt des Flusses São Lourenço von Planalto darstellt, die saisonalen Spitzenabflüsse liegen zwischen 900 und 1.200 m 3 · s , während in São José die Ganglinie viel glatter ist und die Spitzenabflüsse weniger als 450 m 3 · s betragen. Ein weiteres bemerkenswertes Beispiel ist der 230 km lange Abschnitt des Flusses Aquidauana zwischen den Stationen Aquidauana (Planalto) und Porto Ciríaco (Pantanal), wo die Spitzenabflüsse von 700 m 3 · s auf weniger als 150 m 3 · s sinken.

Wie in der Studie von Paz et al. (2010) wurden die schlechtesten Ergebnisse für die Station São João gefunden, die sich im Fluss Cuiabá oberhalb des Zusammenflusses der Flüsse São Lourenço und Piquiri befindet. Entlang dieser Flussstrecke wird die Hauptkanalkapazität reduziert und Hochwasser werden selbst bei den kleineren Abflüssen in die Aue abgeleitet, mehr als 50% des Jahresvolumens gehen an die Aue verloren, und der Spitzenabfluss sinkt von 2.000 m 3 · s - 1 bis weniger als 400 m 3 · s - 1 . Wasser in den Überschwemmungsgebieten kann bis zu 3–5 Monate gespeichert bleiben und verdunsten, bevor es diffus und nicht sehr gut verstanden durch das komplexe System von Nebenkanälen, seichten Seen und Teichen zurückkehrt. Die gute Modellanpassung an der Station Porto de Alegre, beispielsweise MRE = 18 % und NSS = 0,73 , befindet sich 50 km flussabwärts von São João, deutet jedoch darauf hin, dass die bei São João gefundene Verzerrung nach dem Zufluss der anderen an Bedeutung verliert Nebenflüsse des Flusses Cuiabá.

Die am Paraguay-Fluss erhaltenen Ergebnisse zeigen, dass das verwendete Modell das ausgeprägte saisonale Abflussregime und die typische relativ geglättete Form von Ganglinien wiedergeben konnte, wie in Abb. 8 dargestellt. In Abb. 8 berechnete und beobachtete Ganglinien an sechs Stationen entlang des Paraguay-Flusses werden die Veränderungen der Ganglinien entsprechend der Hochwasserroute von Cáceres bis nach Porto Murtinho, einer Reichweite von ca. 1.300 km, dargestellt. Entlang dieses Fließweges erhält der Paraguay-Fluss entlang seines linken Randes erhebliche Beiträge, hauptsächlich aus den Einzugsgebieten der Flüsse Cuiabá und Miranda. Noch wichtiger ist, dass diese Beiträge durch Wasser erfolgen, das sowohl vom Hauptkanal als auch von Überschwemmungsgebieten entwässert wird, d. Im Gegenteil, an anderen Abschnitten dieses Flusses ergießen sich riesige Wassermengen über den Hauptkanal und überschwemmen die Auen. Dieser vielfältige seitliche Wasseraustausch zwischen Kanal und Überschwemmungsgebiet erschwert die hydrodynamische Modellierung des Paraguay-Flusses stark. Die erzielten Ergebnisse sind daher sehr zufriedenstellend, da das angewandte Modell die zeitlichen und größenmäßigen Schwankungen von Hochwasserspitzen und Rezessionsströmen entlang des Paraguay-Flusses reproduzierte, wie aus Statistiken hervorgeht, die den Vergleich zwischen beobachteten und berechneten Ganglinien zusammenfassen. An den Stationen Cáceres, Descalvados, Porto Conceição, Amolar und Porto da Manga war der NSS größer als 0,74. Die schlechtesten Ergebnisse wurden an den Stationen São Francisco (NSS = 0,50) und Porto Murtinho (NSS = 0,48) erzielt. Entlang des Paraguay-Flusses lag der RMSE zwischen 52 und 510 m 3 · s und der MAE zwischen 44 und 402 m 3 · s . Diese Werte sind anscheinend zu hoch, entsprechen aber MREs zwischen 10 und 12 %, außer in São Francisco (21 %) und Porto Murtinho (16 %). Die Schwierigkeit, das beobachtete Abflussregime drei von ihnen ( Francisco) zu reproduzieren, kann auf das Auftreten von Beiträgen zurückzuführen sein, die von den Überschwemmungsgebieten des Taquari-Flusses entwässert wurden, die im vorgeschlagenen Modell nicht gut dargestellt wurden. In Porto Murtinho ist der Hauptgrund für das Erzielen besserer Ergebnisse die Datenknappheit zur Charakterisierung der Beiträge des bolivianischen Teils des Beckens entlang des rechten Randes des Paraguay-Flusses, was bereits in der Studie von Paz et al wahrscheinlich im bolivianischen Teil des Pantanals entstanden, im Gegenteil, eine frühere Studie kam zu dem Schluss, dass der Beitrag der bolivianischen Seite des Beckens unbedeutend war und vernachlässigt werden konnte (MMA 1997), wenn man den Wasserverlust durch Überschwemmung und Verdunstung berücksichtigte Prozess und Anwendung eines vereinfachten Wasserbilanzverfahrens auf Basis vorhandener Abflussdaten, dh Daten von Abflussmessstellen befindet sich im brasilianischen Teil des Beckens. Die Studie weist jedoch darauf hin, dass für eine bessere Anpassung der Ganglinienvolumina und des Timings entlang des Paraguay-Flusses stromabwärts von Amolar der Beitrag des bolivianischen Teils des Beckens besser quantifiziert und im Modell dargestellt werden muss.

Abb. 8. Berechnete (schwarze Linie) und beobachtete (graue Linie) Ganglinien an sechs Kontrollpunkten entlang des Paraguay-Flusses

Dieses Papier zeigte die Anwendung und die Ergebnisse der gekoppelten hydrologisch-hydraulischen Modellierung des gesamten Oberen Paraguay-Flussbeckens, das ein Einzugsgebiet von ungefähr 6 0 000 km 2 umfasst. Dies ist die umfassendste Studie zur hydrologischen Simulation des gesamten Oberen Paraguay-Flussbeckens und des Strömungsregimes des Paraguay-Flusses und seiner Nebenflüsse. Diese Studie erweitert die vorherige von Paz et al. (2010), die sich auf die Anpassung des hydrodynamischen 1D-Modells für den Paraguay-Fluss und seine Nebenflüsse im Pantanal konzentrierte. In der Studie wurde die Umwandlung von Niederschlag in Abfluss in die Modellierung miteinbezogen, wodurch die Unsicherheiten bei der Schätzung des Niederschlags und anderer meteorologischer Variablen sowie die Schwierigkeiten bei der physikalischen Charakterisierung eines so großen Gebiets hinsichtlich Bodenart und Vegetationsbedeckung zusammengeführt und dargestellt werden sie in das verteilte hydrologische Modell ein. Insgesamt unterstreicht die Ähnlichkeit der Ergebnisse dieser Studie mit denen des vereinfachten Ansatzes, beobachtete Abflüsse als stromaufwärts gelegene Randbedingungen zu verwenden, die Leistungsfähigkeit des in diesem Papier vorgestellten Modells.

Trotz der Datenknappheit, Komplexität und des komplizierten Flussentwässerungsnetzes der Region war die gekoppelte Modellierung in der Lage, die Niederschlags-Abfluss-Transformation und die Flussführung entlang des Beckens zufriedenstellend darzustellen. Die unterschiedlichen und komplexen Abflussregime entlang jedes der Nebenflüsse des Paraguay River waren gut vertreten, einschließlich der Veränderungen der Ganglinienform aufgrund der Unterschiede in der Neigung und der Querschnittsfläche zwischen den Flussabschnitten bei Planalto und bei Pantanal. Der Verlauf der Überschwemmungsströme entlang des 1.300 km langen Abschnitts des Paraguay-Flusses wurde durch das vorgeschlagene Modell ebenfalls angemessen reproduziert, sowohl in Bezug auf das Ausmaß als auch den Zeitpunkt der Spitzen- und Rezessionsströme. Aufgrund der Datenknappheit (Abflüsse, Niederschläge und andere meteorologische Variablen) traten einige Schwierigkeiten bei der Reproduktion des Strömungsregimes stromabwärts der Amolar-Station und hauptsächlich bei Porto Murtinho auf, um den Beitrag des bolivianischen Teils des Beckens am rechten Rand des Paraguay . richtig einzuschätzen Fluss.

Die Bemühungen um die Modellierung der hydrologischen Prozesse des gesamten UPRB bieten ein wertvolles Instrument zum Verständnis der Funktionsweise des Ökosystems und zur Bewertung seiner Widerstandsfähigkeit gegenüber anthropogenen Belastungen, Klimawandel und Klimavariabilität. Das angewandte gekoppelte Modell wird beispielsweise in der Lage sein, vorherzusagen, wie sich Landnutzungs-, Niederschlags- und Temperaturänderungsszenarien auf die Strömung an großen Flussläufen auswirken. Das Erreichen dieser Ziele hängt jedoch davon ab, mehr Daten zu sammeln, die aufgrund der Eigenschaften des Beckens in Fernerkundungstechniken oder meteorologische Reanalysen verwendet werden sollten.


Brennen von DEM-Streams - Geografische Informationssysteme

Alle von MDPI veröffentlichten Artikel werden sofort weltweit unter einer Open-Access-Lizenz verfügbar gemacht. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Creative Common CC BY-Lizenz veröffentlicht wurden, darf jeder Teil des Artikels ohne Genehmigung wiederverwendet werden, sofern der Originalartikel eindeutig zitiert wird.

Feature Papers stellen die fortschrittlichste Forschung mit erheblichem Potenzial für eine große Wirkung auf diesem Gebiet dar. Feature Papers werden auf individuelle Einladung oder Empfehlung der wissenschaftlichen Herausgeber eingereicht und vor der Veröffentlichung einem Peer Review unterzogen.

Das Feature Paper kann entweder ein origineller Forschungsartikel, eine umfangreiche neue Forschungsstudie sein, die oft mehrere Techniken oder Ansätze umfasst, oder ein umfassendes Übersichtspapier mit prägnanten und präzisen Updates zu den neuesten Fortschritten auf diesem Gebiet, das die aufregendsten Fortschritte in der Wissenschaft systematisch überprüft Literatur. Diese Art von Papier gibt einen Ausblick auf zukünftige Forschungsrichtungen oder mögliche Anwendungen.

Editor’s Choice-Artikel basieren auf Empfehlungen der wissenschaftlichen Herausgeber von MDPI-Zeitschriften aus der ganzen Welt. Die Herausgeber wählen eine kleine Anzahl von kürzlich in der Zeitschrift veröffentlichten Artikeln aus, die ihrer Meinung nach für Autoren besonders interessant oder in diesem Bereich wichtig sind. Ziel ist es, eine Momentaufnahme einiger der spannendsten Arbeiten zu geben, die in den verschiedenen Forschungsbereichen der Zeitschrift veröffentlicht wurden.


Brennen von DEM-Streams - Geografische Informationssysteme

Eine offizielle Website der US-Regierung

Offizielle Websites verwenden .gov
EIN .gov Website gehört einer offiziellen Regierungsorganisation in den Vereinigten Staaten.

Sichere .gov-Websites verwenden HTTPS
EIN sperren ( Ein verschlossenes Vorhängeschloss verriegeln

) oder https:// bedeutet, dass Sie sicher mit der .gov-Website verbunden sind. Geben Sie sensible Informationen nur auf offiziellen, sicheren Websites weiter.

Einige Gebiete im Westen von Oregon sind immer noch von langfristigen Feuerschließungen betroffen. Klicken Sie hier für Karten und Informationen.

Die neuesten Informationen finden Sie hier.

Einige Gebiete im Westen von Oregon sind immer noch von langfristigen Feuerschließungen betroffen. Klicken Sie hier für Karten und Informationen.

Die neuesten Informationen finden Sie hier.

OREGON GIS UND DATENMANAGEMENT

Die Datenbibliothek des Bureau of Land Management Oregon ermöglicht Benutzern den Zugriff auf Geodatensätze entweder als herunterladbare ESRI-File-Geodatabase oder über Webdienste. Diese Datensätze werden nach Bedarf aktualisiert. Nutzer der Daten sollten sich bei spezifischen Fragen auf die Metadaten beziehen. Für die Verwendung der Daten zu Zwecken, die nicht von der BLM vorgesehen sind, wird seitens der BLM keine Gewähr übernommen.

Bitte beachten Sie, dass diese Liste nicht die Gesamtheit der Geodaten von BLM Oregon darstellt. Weitere Datensätze werden für die externe Verteilung zur Verfügung gestellt, wenn sie die internen BLM-QA/QC-Benchmarks bestehen.

Laden Sie einzelne Datensätze herunter, die unten nach Kategorien geordnet sind.

Verwaltungsgrenzen

In diese Kategorie fallen Themen, die mit Verwaltungseinheiten wie Außenstellengrenzen und Bürostandorten zu tun haben.

BLM Oregon County Grenzen

  • BLM OR County Boundaries Polygon (cob_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR County Boundary Line (cob_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Oregon Washington State Boundary Polygon (state_poly) (Suchergebnis/Metadaten) (Webdienste)

BLM Oregon Distriktgrenzen

  • BLM OR District Boundary Land Polygon (dob_land_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR District Boundary Polygon (dob_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Ocean Lines (ocean_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Ocean Polygon (ocean_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Resource Area Boundary Polygon (rab_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Resource Area Land Boundaries Polygon (rab_land_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Ressourcenbereichszeile (rab_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR State Office Boundaries Polygon (sob_poly) (Suchergebnis/Metadaten) (Webdienste)

BLM-Staats- und Kreisgrenzen

  • BLM OR County Boundaries Polygon (cob_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR County Boundary Line (cob_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Oregon Washington State Boundary Polygon (state_poly) (Suchergebnis/Metadaten) (Webdienste)

Kataster

Diese Kategorie umfasst Themen wie PLSS und Wegerecht.

CadNSDI öffentliches Landvermessungssystem

  • BLM OR Catastral Meandered Water Polygon (MeanderedWater) (Suchergebnis/Metadaten)
  • BLM ODER Kataster PLSS First Division Polygon (PLSSFirstDivision) (Suchergebnis/Metadaten)
  • BLM OR Catastral PLSS Intersected Polygon (PLSSIntersected) (Suchergebnis/Metadaten)
  • BLM ODER Catastral PLSS Metadaten Glance Polygon (MetadataGlance) (Suchergebnis/Metadaten)
  • BLM OR Catastral PLSS Second Division Polygon (PLSSSecondDivision) (Suchergebnis/Metadaten)
  • BLM OR Catastral PLSS Special Survey Polygon (PLSSSpecialSurvey) (Suchergebnis/Metadaten)
  • BLM ODER Kataster PLSS Standardisierte Daten PLSS Point (PLSSPoint) (Suchergebnis/Metadaten)
  • BLM OR Catastral PLSS Township Polygon (PLSSownship) (Suchergebnis/Metadaten)

Dienstbarkeiten und Wegerechten

  • BLM ODER Dienstbarkeiten und Wegerechte (esmtrow_pub_arc) (Suchergebnis/Metadaten)
  • BLM ODER Dienstbarkeiten und Wegerechten Polygon (esmtrow_pub_poly) (Suchergebnis/Metadaten)

Vorfahrtskennzeichnungsbereiche

Feuer und Luftfahrt

Diese Kategorie umfasst Themen, die mit Feuer und Luftfahrt zu tun haben, wie zum Beispiel Brandgrenzen.

Brandgeschichte

  • BLM OR Fire History 1850 Polygon (fire1850_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Fire History 1890 Polygon (fire1890_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Fire History 1920 Polygon (fire1920_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Fire History 1940 Polygon (fire1940_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Brandverlaufspunkt (fire_point) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Fire History Polygon (fire_poly) (Suchergebnis/Metadaten) (Webdienste)

Feuerwasserquelle

Allgemein

Luftbild-Index-Web

  • BLM ODER Aerial Photography Boundaries Polygon (ap_boundaries_poly) (Suchergebnis/Metadaten)
  • BLM ODER Aerial Photography Centers Point (ap_centers_point) (Suchergebnis/Metadaten)
  • BLM ODER Luftaufnahmen Flightlines Line (ap_flightlines_arc) (Suchergebnis/Metadaten)
  • BLM ODER Aerial Photography Tiles Polygon (ap_tiles_poly) (Suchergebnis/Metadaten)

LiDAR-Projektverfügbarkeit

Quad-Grenzen

  • BLM ODER Quads 1:100.000 Polygon (quads100_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 1:12.000 Polygon (quads12_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 1:24.000 (7,5-Minuten) Polygon (quads24_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 1:250.000 Polygon (quads250_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 1:62.500 (15-Minuten) Polygon (quads15m_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 1:63.360 (30-Minuten) Polygon (quads30m_poly) (Suchergebnis/Metadaten)
  • BLM ODER Quads 60 (1-Grad) Polygon (quads60_poly) (Suchergebnis/Metadaten)

Hydrographie

Diese Kategorie umfasst Bäche, Seen und Anliegerthemen.

Publikation zur Hydrographie

  • BLM OR Hydrography Publication Area Polygon (hyd_pub_area) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Hydrography Publikation Flowline Arc (hyd_pub_flowline) (Suchergebnis/Metadaten) (Webservices)
  • BLM OR Hydrography Publikation Flowline Fish Arc (hyd_pub_flowline_fish) (Suchergebnis/Metadaten)
  • BLM OR Hydrography Publication Point (hyd_pub_point) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Hydrography Publication Waterbody Polygon (hyd_pub_waterbody) (Suchergebnis/Metadaten) (Webservices)

Hydrographie-Teilbecken

  • BLM ODER Hydrographie 00000000 Sub-basin Flowline Arc (HYD_PUB_00000000_FLOWLINE)
  • BLM ODER Hydrographie 00000000 Teilgebietspunkt (HYD_PUB_00000000_POINT)
  • BLM ODER Hydrographie 00000000 Sub-Becken-Polygon (HYD_PUB_00000000_AREA)
  • BLM ODER Hydrographie 00000000 Gewässerunterteil-Polygon (HYD_PUB_00000000_WATERBODY)

Ordnungsgemäßer Betriebszustand

  • BLM OR Funktionierende Bedingungs-Attach-Tabelle (PFC_ATTACH_TBL) (Suchergebnis/Metadaten) (Webservices)
  • BLM OR Funktionierende Bedingung Lentic Point (PFC_LENTIC_PT) (Suchergebnis/Metadaten) (Webservices)
  • BLM OR Funktionierende Bedingung Lentic Polygon (PFC_LENTIC_POLY) (Suchergebnis/Metadaten) (Webservices)
  • BLM OR Funktionierende Konditionsloszeile (PFC_LOTIC_ARC) (Suchergebnis/Metadaten) (Webservices)

Stream-Standort (Beispiel) Punkt

Wasserqualität und -quantität

  • BLM OR Wasserqualität und -menge Querschnittsstichprobe Publikationspunkt (CROSS_SECT_SAMPLE_PUB_PT) (Suchergebnis/Metadaten)
  • BLM ODER Veröffentlichungspunkt für Wasserqualität und -menge Stromabflussproben (DISCHARGE_SAMPLE_PUB_PT) (Suchergebnis/Metadaten)
  • BLM ODER Wasserqualität und -menge Strom Entnahme Probe Probe Veröffentlichungspunkt (GRAB_SMPL_SAMPLE_PUB_PT) (Suchergebnis/Metadaten)
  • BLM OR Wasserqualität und -menge Stream Shade Sample Publication Point (SHADE_SAMPLE_PUB_PT) (Suchergebnis/Metadaten)
  • BLM OR Wasserqualität und Menge Stromtemperatur Probenpublikationspunkt (TEMP_SAMPLE_PUB_PT) (Suchergebnis/Metadaten)

Länder

Diese Kategorie umfasst Themen wie Oberflächenmanagement-Agentur oder Landbesitz und Areas of Critical Environmental Concern (ACECs).

Akquisitionen und Veräußerungen

  • BLM ODER Zeile mit gesetzlicher Beschreibung (STATUS_ARC) (Suchergebnis/Metadaten)
  • BLM OR Management Ownership Polygon auflösen (ownership_poly_dissolve) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Management Ownership Polygon (Ownership_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Subsurface Rights Polygon (SubsurfaceRights_poly) (Suchergebnis/Metadaten) (Webdienste)

Landbesitzzonen

Mineralien

Diese Kategorie umfasst Themen wie ober- und unterirdische Mineralien und Böden.

Mietverträge und Ansprüche

Mineralische Aktivitäten

Mineralische Vorschriften

Nationale Naturschutzgebiete

Diese Kategorie umfasst Themen, die unter die National Conservation Lands der BLM fallen, und umfasst Geodaten für National Monuments, National Conservation Areas, Wild and Scenic Rivers und vieles mehr.

Andere nationale Bezeichnungen

Wilder und malerischer Fluss

  • BLM OR Wild and Scenic River Corridor Polygon (WSRCORR_POLY) (Suchergebnis/Metadaten)
  • BLM OR Wild and Scenic Rivers Corridor Line (WSRCORR_ARC) (Suchergebnis/Metadaten)
  • BLM OR Wild and Scenic Rivers Line (wsr_arc) (Suchergebnis/Metadaten)
  • BLM OR Designated Wilderness Line (wld_arc) (Suchergebnis/Metadaten)
  • BLM OR Designated Wilderness Polygon (wld_poly) (Suchergebnis/Metadaten)

Eigenschaften der Wildnis

  • BLM OR Wilderness Characteristics Polygon (wild_char_poly) (Suchergebnis/Metadaten)
  • BLM ODER Wilderness Characteristics Road Line (wild_char_road_arc) (Suchergebnis/Metadaten)

Wildnis-Studiengebiete

  • BLM OR Wilderness Study Area Line (wsa_arc) (Suchergebnis/Metadaten)
  • BLM OR Wilderness Study Area Polygon (wsa_poly) (Suchergebnis/Metadaten) (Webdienste)

Planung

Diese Kategorie umfasst Themen, die mit Planungs- und Landmanagementdaten zu tun haben, einschließlich Landnutzungsplanungsgrenzen und büro- oder gebietsspezifischen Planungsaktivitäten.

Umweltkritische Bereiche

Umfassender Outdoor-Freizeitplan für den gesamten Bundesstaat Oregon

Bereichsgrenzen planen

  • BLM-OP-Aktivitätsplan-Grenzpolygon (AVY_PLAN_POLY) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER LUP Aktuelles Begrenzungspolygon (LUP_CRNT_POLY) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER LUP Historic Boundary Polygon (LUP_HIST_POLY) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER LUP In Bearbeitung Boundary Polygon (LUP_PRGS_POLY) (Suchergebnis/Metadaten) (Webdienste)

Visuelle Ressource

  • BLM ODER Visual Resource Management Publication Polygon (vri_pub_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Visual Resource Management Publication Polygon (vrm_pub_poly) (Suchergebnis/Metadaten) (Webdienste)

Bereich

Weideflächen

  • BLM ODER Weideflächen-Polygon (GRA_ALLOTMENT_POLY) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Weidehaltung Kleingärten und Weiden (gra_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Weidehaltung von Kleingärten und Weiden Polygon (gra_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Rangeland Administration System Authorization 2020 Table (RAS_AUTH_20200327) (Suchergebnis/Metadaten)
  • BLM OR Rangeland Administration System Weide 2020 Tabelle (RAS_PASTURE_20200327) (Suchergebnis/Metadaten)

Wildpferd und Burro

  • BLM OR Wild Horse and Burro Herd Area Polygons (whb_ha_poly) (Suchergebnis/Metadaten)
  • BLM OR Wild Horse and Burro Herd Management Area Polygons (whb_hma_poly) (Suchergebnis/Metadaten)

Erholung

Diese Kategorie umfasst Themen wie Campingplätze und Ausgangspunkte.

Erholungsstätte

  • BLM ODER Erholungsortpunkt (recsite_point) (Suchergebnis/Metadaten)
  • BLM OR Recreation Site Polygon (recsite_poly) (Suchergebnis/Metadaten)
  • BLM ODER Recreation Site Polygon Centroid Point (recsite_pub_poly_point) (Suchergebnis/Metadaten)

Transport

Diese Kategorie enthält Themen rund um das Transportwesen, einschließlich Reisemanagement und Off-Highway-Fahrzeug (OHV)-Nutzung.

Bodentransport

  • BLM ODER GTRN Back Country Byways Line (back_country_byways_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER GTRN Veröffentlichung Roads Line (gtrn_pub_roads_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM- ODER GTRN-Publikationssegmentpunkt (gtrn_segment_pt) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER GTRN Publication Trails Line (gtrn_pub_trails_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Oregon National Historic Trail Line (oregon_historic_trail_arc) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Oregon und Washington Highways Line (highways_arc) (Suchergebnis/Metadaten) (Webdienste)

OHV-Bezeichnung

Vegetation

Diese Kategorie umfasst Themen wie Vegetationsbehandlung, Forstwirtschaft, Botanik und Unkraut.

Aktuelle Vegetationsumfrage

  • BLM ODER CVS-Genauigkeitstabelle (CVS_ACCURACY_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Grobabgestürzte Woody-Materialtabelle (CVS_DWMCOARSE_TBL) (Suchergebnis/Metadaten)
  • Tabelle BLM ODER CVS-Konditionsklassengrenzen (CVS_CCBOUNDARIES_TBL) (Suchergebnis/Metadaten)
  • BLM-OR CVS-Konditionsklassendefinitionstabelle (CVS_CCDEFINITIONS_TBL) (Suchergebnis/Metadaten)
  • Tabelle BLM ODER CVS-Konditionsklassenanteile (CVS_CCPROPORTIONS_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Datenfehlertabelle (CVS_DATAERRORS_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Downed Wodd Transect Line (CVS_SMP_DWTRAN_ARC) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Tabelle für abgeschossene holzige Materialien (CVS_DWMFINES_TBL) (Suchergebnis/Metadaten)
  • BLM- ODER CVS-Fehlerverlaufstabelle (CVS_ERRORHISTORY_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Bodendeckungsdatentabelle (CVS_GNDCOVER_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Datentabelle für Hartholzklumpen (CVS_HWCLUMPS_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Nicht-Tally Site Tree Data Table (CVS_NTSITEDATA_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Nicht-Tally-Subplot-Referenzbaumpunkt (CVS_RES_NT_SPREF_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS Nicht-Tally-Subplot-Referenzdatentabelle (CVS_NTSPREFS_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Primärprobeneinheit-Verwaltungstabelle (CVS_PSUADMIN_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Primary Sample Unit Center Point (CVS_SMP_PSUPLT_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Primärprobeneinheit-Datentabelle (CVS_PSUDATA_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Verlaufstabelle für Primärprobeneinheiten (CVS_PSUHISTORY_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Primärstichprobeneinheit Subplot Centers Point (CVS_SMP_PSUSUBPLT_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS Ressource Downed Wood Pieces Point (CVS_RES_DW_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Ressource Hartholz-Klumpenpunkt (CVS_RES_HWCL_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Ressource Nicht-Tally Site Tree Point (CVS_RES_NT_ST_PT) (Suchergebnis/Metadaten)
  • BLM- ODER CVS-Stumpfdatentabelle (CVS_STUMPS_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Subplot-Datentabelle (CVS_SUBPLOTDATA_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Umfragebedingungsklasse Polygon (CVS_SRV_CC_POLY) (Suchergebnis/Metadaten)
  • BLM ODER CVS-Umfrage-Unterplot-Polygon (CVS_SRV_SUBPLT_POLY) (Suchergebnis/Metadaten)
  • BLM- ODER CVS-Baumdatentabelle (CVS_TREEDATA_TBL) (Suchergebnis/Metadaten)
  • BLM ODER CVS Trees Point (CVS_RES_TREE_PT) (Suchergebnis/Metadaten)
  • BLM ODER CVS Understory Vegetationsdatentabelle (CVS_UNDERVEGDATA_TBL) (Suchergebnis/Metadaten)
  • CVS-Beispielpanelpunkt (CVS_SMP_PANEL_PT) (Suchergebnis/Metadaten)

Forstaufzuchteinheiten

  • BLM OR Co-Op and Consolidated Forest Breeding Units Polygon (FBU_COOPCONSOL_POLY) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Douglasie Zuchteinheiten Polygon (FBU_DFIR_POLY) (Suchergebnis/Metadaten) (Webservices)

Forstbetriebsinventar

  • BLM OR FOI Down Log Decay Table (MS_DL_DECAY_PUB) (Suchergebnis/Metadaten)
  • BLM- ODER FOI-Publikationstabelle für heruntergefallene Protokolle (MS_DOWNLOG_PUB) (Suchergebnis/Metadaten)
  • BLM ODER FOI-Layer-Publikationstabelle (MS_LAYERS_PUB) (Suchergebnis/Metadaten)
  • BLM ODER FOI-Schichten Spezies-Prozent-Publikationstabelle (MS_LYR_SPP_PUB) (Suchergebnis/Metadaten)
  • BLM ODER FOI Snag Decay-Tabelle (MS_SG_DECAY_PUB) (Suchergebnis/Metadaten)
  • BLM ODER FOI Snag-Publikationstabelle (MS_SNAG_PUB) (Suchergebnis/Metadaten)
  • BLM OR FOI Stand-Publikationstabelle (MS_STAND_PUB) (Suchergebnis/Metadaten)
  • BLM ODER FOI-Bestandsarten-Prozent-Publikationstabelle (MS_STD_SPP_PUB) (Suchergebnis/Metadaten)
  • BLM OR Forest Operations Inventory Vegetation Publication Polygon (FOIVEG_PUB_POLY) (Suchergebnis/Metadaten) (Webservices)

Beispielpunkte

Potenzielle Baumhöhe des Standorts

  • Potentielle Baumhöhenlinie des Standorts (SPTH_ARC) (Suchergebnis/Metadaten)
  • Standort-Potenzialbaumhöhenpolygon (SPTH_POLY) (Suchergebnis/Metadaten) (Webdienste)

Holzproduktionsfähigkeitsklasse

  • BLM OR Biological Treatments Polygon (bio_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Chemical Treatments Polygon (chem_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Exclosure Protection Treatments Polygon (prot_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Harvest Treatments Polygon (harv_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Mechanical Treatments Polygon (mech_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Prescribed Fire Treatments Polygon (burn_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Revegetation Treatments Polygon (reveg_poly) (Suchergebnis/Metadaten) (Webdienste)

Tierwelt

Diese Kategorie enthält Wildtierdaten, die von der BLM erstellt oder verwaltet wurden.

Fischverteilung

  • BLM ODER Anadromous Fish Arc (FISH_ANADROMOUS_ARC) (Suchergebnis/Metadaten)
  • BLM ODER Anadromous Fish Polygon (FISH_ANADROMOUS_POLY) (Suchergebnis/Metadaten)
  • BLM OR Fish Resident Line (FISH_RESIDENT_ARC) (Suchergebnis/Metadaten)
  • BLM OR Fish Resident Poly (FISH_RESIDENT_POLY) (Suchergebnis/Metadaten)
  • BLM ODER Nicht-heimische Fischschnur (FISH_NON_NATIVE_ARC) (Suchergebnis/Metadaten)
  • BLM ODER Nicht-natives Fischpolygon (FISH_NON_NATIVE_POLY) (Suchergebnis/Metadaten)

Fischdurchgangssperre

Großes Salbeihuhn PHMA/GHMA

Marmorierte Murrelet-Zone

Gefleckte Eule

  • BLM OR Bekannte Spotted Owl Activity Centers Oregon Polygon (koac_poly) (Suchergebnis/Metadaten) (Webdienste)
  • BLM OR Northern Spotted Owl Site Summary Publication Point (nso_sitesum_public_point) (Suchergebnis/Metadaten) (Webdienste)
  • BLM ODER Publikationspunkt der Nördlichen Fleckenkauz-Sites (nso_site_public_point) (Suchergebnis/Metadaten) (Webdienste)

Größerer Salbeihuhn-Rekord der Entscheidung

Größerer Salbeihuhn-Rekord der Entscheidung 2015

  • BLM ODER GSGROD Großer Salbei-Vorrangiger Habitat-Management-Bereich Allgemeines Habitat-Management-Bereich abgeschnitten auf BLM-Eigentumspolygon R6 Albers (wld_ROD_PHMAGHMA_BLMOwn_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Vorfahrtsbezeichnungen Wind und Solar Polygon R6 Albers (lnds_ROD_ROWDSG_windSolar_r6alb) (Suchergebnis/Metadaten)
  • BLM- ODER GSGROD-Weidekontingente, die auf das BLM-Eigentumspolygon R6 Albers (rng_ROD_GraAllotment_BLMOwn_r6alb) zugeschnitten sind (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Vorrangiges Habitatmanagementgebiet Salbeihuhn Allgemeines Habitatmanagementgebiet Polygon R6 Albers (wld_ROD_PHMAGHMA_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Key Areas of Critical Environmental Concern (ACEC) R6 Albers (sma_ROD_KeyACECs_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Key Research Natural Areas (RNA) Polygon R6 Albers (sma_ROD_KeyRNA_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Mineral Vorgaben Polygon R6 Albers (min_ROD_Mineral Vorgaben_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Non Energy Leaseables Polygon R6 Albers (min_ROD_nonEnergyLSE_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Geländewagenbezeichnungen Polygon R6 Albers (sma_ROD_OHV_r6alb_20150706) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Planungsbereich Polygon R6 Albers (adm_ROD_PlanningArea_r6alb) (Suchergebnis/Metadaten)
  • BLM- ODER GSGROD-Planungsgebiet abgeschnitten auf BLM-Eigentumspolygon R6 Albers (adm_ROD_BLMOwn_PlanArea_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Vorfahrtsbezeichnungen Major Polygon R6 Albers (lnds_ROD_ROWDSG_major_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Vorfahrtsbezeichnungen Minor Polygon R6 Albers (lnds_ROD_ROWDSG_minor_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Sagebrush Focal Areas (SFA) Polygon R6 Albers (adm_ROD_SFA_Final_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Sagebrush Focal Areas (SFA) abgeschnitten auf BLM Ownership Polygon R6 Albers (adm_ROD_SFA_BLMOwn_r6alb) (Suchergebnis/Metadaten)
  • BLM ODER GSGROD Land Tenure Polygon R6 Albers (lnds_ROD_LandTenure_r6alb) (Suchergebnis/Metadaten)

RMP für West-Oregon

Diese Kategorie umfasst Daten aus den Resource Management Plans of Western Oregon.

RMP für Western Oregon Records of Decision Northwestern and Coastal Oregon

  • BLM- ODER ROD-NCO-Gebiete, die für das Eingangspolygon für verkaufsfähige Minerale geschlossen sind (RWO_ROD_NCO_SALABLE_CLOSED_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD NCO Areas of Critical Environmental Concern Polygon (RWO_ROD_NCO_ACEC_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Designated Wild & Scenic River Corridors Polygon (RWO_ROD_NCO_Designated_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Designated Wild & Scenic Rivers Line (RWO_ROD_NCO_Designated_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Land Tenure Zones Polygon (RWO_ROD_NCO_LTZ_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD NCO Land Use Allocations Polygon (RWO_ROD_NCO_LUA_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD NCO Landnutzungsplanung Boundary Polygon (RWO_ROD_NCO_LUP_Boundary_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Lands Wilderness Characteristics Polygon (RWO_ROD_NCO_LWC_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD NCO Public Motorized Access Designations Polygon (RWO_ROD_NCO_MOTORIZED_ACCESS_DESIGNATION_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Recreation Management Areas Polygon (RWO_ROD_NCO_RMA_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Vorfahrtsvermeidungs- und Ausschlussbereiche Polygon (RWO_ROD_NCO_ROW_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD NCO Uferreservate Polygon (RWO_ROD_NCO_Riparian_Reserves_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Geeignetes Polygon für Wild and Scenic River Corridors (RWO_ROD_NCO_Suitable_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Geeignete Wild and Scenic Rivers Line (RWO_ROD_NCO_Suitable_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD NCO Visual Resource Management Areas Polygon (RWO_ROD_NCO_VRM_poly) (Suchergebnis/Metadaten)

RMP für Western Oregon Records of Decision Southwestern Oregon

  • BLM- ODER ROD-SWO-Gebiete, die für das Eingangspolygon für verkaufsfähige Minerale geschlossen sind (RWO_ROD_SWO_SALABLE_CLOSED_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Bereiche mit kritischem Umweltaspekt Polygon (RWO_ROD_SWO_ACEC_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Designated Wild & Scenic River Corridors Polygon (RWO_ROD_SWO_Designated_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Designated Wild & Scenic Rivers Line (RWO_ROD_SWO_Designated_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Weidendes Allotments Polygon (RWO_ROD_SWO_Grazing_Allotments_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Landnutzungszuordnungen Polygon (RWO_ROD_SWO_LUA_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Landnutzungsplanung Grenzpolygon (RWO_ROD_SWO_LUP_Boundary_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Lands verwaltet für ihre Wildniseigenschaften Polygon (RWO_ROD_SWO_LWC_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD SWO Public Motorized Access Designations Polygon (RWO_ROD_SWO_MOTORIZED_ACCESS_DESIGNATION_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Recreation Management Areas Polygon (RWO_ROD_SWO_RMA_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Vorfahrtsvermeidungs- und Ausschlussbereiche Polygon (RWO_ROD_SWO_ROW_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD SWO Uferreservate Polygon (RWO_ROD_SWO_Riparian_Reserves_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Geeignetes Polygon für Wild and Scenic River Corridors (RWO_ROD_SWO_Suitable_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Geeignete Wild and Scenic Rivers Line (RWO_ROD_SWO_Suitable_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD SWO Visual Resource Management Areas Polygon (RWO_ROD_SWO_VRM_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROW ROD SWO Land Tenure Zones Polygon (RWO_ROD_SWO_LTZ_poly) (Suchergebnis/Metadaten)

RWO ROD Externe Dienstleistungen

  • BLM ODER ROD PSDV Geeignete Wild and Scenic Rivers Line (PSDV_RWO_ROD_Suitable_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV-Polygon mit kritischen Umweltbelangen (PSDV_RWO_ROD_ACEC_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV BLM District Harvest Model Metrics Polygon (PSDV_ecn_MMBFbyDOB_c_v1_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Designated Wild & Scenic River Corridors Polygon (PSDV_RWO_ROD_Designated_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Designated Wild & Scenic Rivers Line (PSDV_RWO_ROD_Designated_WSR_arc) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Eastside Management Area Land Use Allocations Raster (PSDV_RWO_ROD_LUA_EMA_rst) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Forest Site Feuchtezustandsklasse Raster (PSDV_RWO_ROD_FSMCC_30m_rst) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Weideland Allotments Polygon (PSDV_RWO_ROD_Grazing_Allotments_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Harvest Land Base Land Use Allocations Raster (PSDV_RWO_ROD_LUA_HLB_rst) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Land Use Allocations Raster (PSDV_RWO_ROD_LUA_rst) (Suchergebnis/Metadaten) (Webservices)
  • BLM ODER ROD PSDV Landnutzungsplanungsgrenzen Polygon (PSDV_RWO_ROD_LUP_Boundaries_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV-Land, das aufgrund ihrer Wildniseigenschaften verwaltet wird (PSDV_RWO_ROD_LWC_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Ownership Raster (PSDV_pol_ownership_c_v1_rst) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV-Bevölkerungsänderung nach Bezirkspolygon (PSDV_ecn_PopByCounty_c_v1_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Recreation Management Areas Polygon (PSDV_RWO_ROD_RMA_poly) (Suchergebnis/Metadaten)
  • BLM OR ROD PSDV Reserves and National Conservation Lands Land Use Allocations Raster (PSDV_RWO_ROD_LUA_Reserves_NLCS_rst) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Passendes Wild and Scenic River Corridors Polygon (PSDV_RWO_ROD_Suitable_WSR_Corridors_poly) (Suchergebnis/Metadaten)
  • BLM ODER ROD PSDV Visual Resource Management Areas Polygon (PSDV_RWO_ROD_VRM_poly) (Suchergebnis/Metadaten)
  • BLM ODER RWO Erntekennzahlen nach Bezirksgrenzen Polygon (RMPWO_MMBF_By_DOB) (Suchergebnis/Metadaten)
  • BLM ODER RWO Besitz 10 Meter Raster (RMPWO_Ownership_10m_rst) (Suchergebnis/Metadaten)
  • BLM- ODER RWO-Bevölkerungsänderung nach COB-Polygon (RMPWO_Population_By_COB) (Suchergebnis/Metadaten)
  • BLM OR RWO ROD PSDV Uferreserven Raster (PSDV_RWO_ROD_Riparian_Reserves_rst) (Suchergebnis/Metadaten)

Nationaldenkmal der San-Juan-Inseln RMP

Diese Kategorie umfasst Daten aus dem National Monument Resource Management Plan der San Juan Islands.

SJIRMP ENTWURF

  • BLM WA SJINMRMP BLM Ownership Draft Polygon (SJIRMP_BLM_Ownership_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP BLM Shoreline 50 Meter Buffer Draft Polygon (SJIRMP_BLM_Shoreline_50M_buffer_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP ERMA Intersected with Veg Alternative B Poly (SJIRMP_ERMA_Veg_Intersect_ALTB_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP ERMA Intersected with Veg Alternative C Poly (SJIRMP_ERMA_Veg_Intersect_ALTC_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP ERMA Intersected with Veg Alternative D Polygon (SJIRMP_ERMA_Veg_Intersect_ALTD_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Extensive Recreation Management Area Alternative B Polygon (SJIRMP_ERMA_AltB_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Extensive Recreation Management Area Alternative C Poly (SJIRMP_ERMA_AltC_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Extensive Recreation Management Area Alternative D Polygon (SJIRMP_ERMA_AltD_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP GeoBOB Publikation Flora Sites Polygon (SJIRMP_Flora_Sites_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP NOAA Shoreline Buffered 200 Fuß Poly (SJIRMP_Shoreline_200ftBuffer_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Ownership Polygon (SJIRMP_Ownership_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Nachfolge auf Vegetations-ENTWURF-Linie abgeschnitten (SJIRMP_Succession_Clipped_to_VEG_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Travel and Transportation Management Plan Alternative D Line (SJIRMP_TTMP_AltD_line) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Travel and Transportation Management Plan Alternative A Line (SJIRMP_TTMP_AltA_line) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Reise- und Verkehrsmanagementplan Aktuelle Zeile (SJIRMP_TTMP_Current_line) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Travel and Transportation Management Plan Alternative C Line (SJIRMP_TTMP_AltC_line) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Visuelles Ressourcenmanagement - VRM (Polygon) Alternative A (SJIRMP_VRM_altA_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Visuelles Ressourcenmanagement - VRM (Polygon) Alternative B (SJIRMP_VRM_altB_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Visuelles Ressourcenmanagement - VRM (Polygon) Alternative C (SJIRMP_VRM_altC_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Visuelles Ressourcenmanagement - VRM (Polygon) Alternative D (SJIRMP_VRM_altD_poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMP Wilderness Characteristics Poly DRAFT (SJIRMP_WLD_Characteristics_Poly) (Suchergebnis/Metadaten)
  • BLM WA SJINMRMPTravel and Transportation Management Plan Alternative B Line (SJIRMP_TTMP_AltB_line) (Suchergebnis/Metadaten)
  • BLM WA SJIRMP Dispersed Camping No Action Alternative Polygon (SJIRMP_BLM_Dispersed_Camping_NoAction_poly) (Suchergebnis/Metadaten)
  • BLM WA SJIRMP Maritime Heritage Management Areas Polygon (SJINM_Martime_Heritage_Management_Areas_poly) (Suchergebnis/Metadaten)
  • BLM WA SJIRMP Ocean Areas 20 Meter Polygon (SJIRMP_BLM_OceanAreas_To_depth20m_poly) (Suchergebnis/Metadaten)

RMP-Änderung für Südost-Oregon

Diese Kategorie umfasst Daten aus dem Ressourcenmanagementplan für die Änderung des Ressourcenmanagementplans für das südöstliche Oregon RMP.


Detaillierte Datenbeschreibung

Das RAMP-DEM wurde durch die Integration einer Vielzahl verfügbarer topografischer Quelldaten in eine GIS-Umgebung entwickelt. Durch die Kombination der komparativen Vorteile aller verfügbaren Quellen konnten die Entwickler die detailliertesten und genauesten topografischen Informationen in jedem Datensatz vollständig ausschöpfen. Zu den Fehlerprüfverfahren gehörten globale statistische Analysen, Kreuzvalidierungsmethoden und die Erstellung eines synthetischen Stereobildes zur Visualisierung und Erkennung grober Fehler in den Höhendaten (Liu 1999). Eine neue Datenintegrationstechnik ermöglichte es den Entwicklern, ein DEM zu erstellen, das sowohl nahtlos als auch geomorphologisch mit eisbedecktem und eisfreiem Gelände übereinstimmt. Das DEM erfasst Details der Geomorphologie, die von kleinen Bergtälern bis hin zu ausgedehnten Einzugsgebieten der Eisschilde reichen.

Version 2 des RAMP DEM enthält diverse Verbesserungen gegenüber der Originalversion mit Auswirkungen auf zahlreiche Regionen der Antarktis, wie unten zusammengefasst (Tabelle angepasst von Jezek et al. 1999):

Methode Anwendungsbereiche
Erhöhte Genauigkeit und Auflösung durch neu verfügbare Daten Coats Land, Theron Mountains, Berkner Island, Henry Ice Rise und Korff Ice Rise
Erweitertes DEM über Inseln und die umgebende Meeresoberfläche zur Unterstützung von Meereis- und Ozeanographiestudien Südliche Shetlandinseln, Latady Island, Weddellmeer, Amundsenmeer, Davismeer, Ozean um das Queen-Maud-Land und Shackleton-Schelfeis
Bessere Datenauswahl und bessere Oberflächenbeschränkungen durch aktualisierte Küstenlinien und Erdungslinien, die aus dem SAR-Mosaik abgeleitet wurden Küstenlinie für den gesamten Kontinent, insbesondere die Eisränder von Ross-Schelfeis, Amery-Schelfeis und Filchner-Ronne-Schelfeis Filchner-Schelfeis und Roosevelt Island Erdungslinien
Entfernte Artefakte im DEM durch Anpassen der Interpolationsparameter und Verdichten von Konturen Crary-Berge, Sør Rondane-Berge
Korrigierte planimetrische Fehler durch SAR-Simulation und Warping-Techniken Ellsworth-Berge

Datenquelle

Die Daten stammen aus verschiedenen Quellen. Die Entwickler und Datenlieferanten haben eine umfassende Sammlung digitaler topografischer Quelldaten zusammengestellt. Die verwendeten Daten lassen sich in die folgenden drei Kategorien einteilen:

Kartografische Daten umfassen Konturen, Punkthöhenpunkte und Oberflächenstrukturlinien, die aus topografischen Kartenblättern aus Papier digitalisiert wurden. Fernerfasste Daten bestehen aus ERS-1-Satellitenradar-Höhenmessdaten und luftgestützten Radar-Echolotdaten. Vermessungsdaten umfassen bodengestützte Vermessungsdaten und satellitengestützte GPS-Messungen.

Die folgenden Ermittler haben Daten beigesteuert:

  • Jay Zwally vom NASA Goddard Space Flight Center, USA
  • Anita Brenner und John DiMarzio von Raytheon Corporation, USA
  • Jonathan Bamber vom Center of Remote Sensing, University of Bristol, UK
  • Paul Cooper, David Vaughan und Phil Homes vom British Antarctic Survey, UK
  • Ted Scambos vom National Snow and Ice Data Center, USA
  • Craig Lingle von der University of Alaska, USA
  • Lee Belbin, Ursula Ryan und Mike Craven von der Australian Antarctic Division, Australien
  • Cheryl Hallam und Jerry Mullins von der USGS, USA
  • Johannes Ihde vom Institut für Angewandte Geodäsie, Deutschland
  • Ian Whillans, Paul Berkman und Terry Wilson von der Ohio State University, USA

Datei Format

Alle DEM-Daten werden in den Formaten ARC/INFO und Binärgitter bereitgestellt, und die 1-km- und 400-m-DEMs sind auch im ASCII-Format verfügbar. Es folgt ein Diagramm, das die Eigenschaften des binären Rasters zusammenfasst.

Binäres Gitter
1 km 400 m 200 m
Reihen 4916 12290 24580
Säulen 5736 14340 28680
Byte-Reihenfolge Big Endian Big Endian Big Endian
Bytes pro Zelle 2 2 2
Zellengröße 1000 m 400 m 200 m
Bänder 1 1 1
Zeilenbytes 11472 28680 57360

ASCII-Gitter enthalten Felder für Breitengrad, Längengrad, Höhe relativ zum WGS84-Ellipsoid und Höhe relativ zum OSU91A-Geoid. Die Daten werden in Dezimalgrad dargestellt, von -180 Grad (West) bis 180 Grad (Ost) Länge und -90 bis -60 (Süd) Breite.

ARC/INFO-Coverages von RAMP-DEMs sind in einzelne Verzeichnisse für jede Auflösung (1 km, 400 m und 200 m) und Geoid/Ellipsoid organisiert.

Maßeinheit

Die Höhen für Punkte in diesem Datensatz werden in Metern [m] über dem WGS84-Ellipsoid und dem OSU91A-Geoid gemessen. (Eine Liste der Dateien, die auf diese beiden Modelle verweisen, finden Sie im Abschnitt mit dem Titel Datengranularität.)

Während das WGS84-Ellipsoid auf einer Annäherung der Erdform basiert, die nur einen äquatorialen Radius und einen polaren Radius (oder einen Radius und eine Exzentrizität) verwendet, ist das OSU91A-Geoid eine komplexere Oberfläche, die den mittleren Meeresspiegel repräsentiert. Das Geoid OSU91A wird als Höhe über oder unter dem WGS84-Ellipsoid angegeben. Die Beziehung zwischen den beiden für das RAMP DEM kann algebraisch wie folgt beschrieben werden:

W sind die WGS84-Erhebungen
G sind die OSU91A-Erhöhungen
S sind die mittleren Meeresspiegelhöhen des OSU91A-Geoids relativ zum WGS84-Ellipsoid

Datenreichweite

Die Werte sind in Metern für jedes Raster.

Minimum Maximal
OSU91A 200m 0 5022
WGS84 200m -67 5008
OSU91A 400m 0 5012
WGS84 400 m -67 4997
OSU91A 1 km 0 4982
WGS84 1 km -67 4968

Hinweis: Maximalwerte nehmen mit zunehmendem Rasterabstand ab, da für jede Rasterzelle ein größerer Bereich gemittelt wird. Maximale Höhenwerte werden in den Ellsworth Mountains in der Nähe des Vinson-Massivs gefunden. Nullwerte sind an der Küste es gibt keine Punkte im Inneren der Antarktis, die auf oder unter dem Meeresspiegel liegen (d.h. mit einer Geoidhöhe von null oder weniger).

Das Folgende ist eine Beispielausgabe aus einer 1-km-ASCII-DEM-Datei:

Datengranularität

Eine Granule von RAMP-DEM-Daten (d. h. die kleinste Aggregation von Daten, die unabhängig abrufbar ist) umfasst die Abdeckung des gesamten Kontinents mit einer bestimmten Auflösung und einem Geoid-/Ellipsoid-Modell. Komprimierte und unkomprimierte Dateigrößen sind unten zusammengefasst.

Datenmanipulation

Ableitungstechniken und Algorithmen

Interpolation von Satellitenradar-Höhenmesserdaten

Die Radaraltimetrie-Datensätze für das RAMP Antarctic DEM wurden bereits um Spur- und Neigungsfehler korrigiert und zu gleichmäßig verteilten Punkten mit einem Abstand von ca. 5 km vorverarbeitet, bevor sie mit den vielen zusätzlichen Datensätzen kombiniert wurden. Weitere Informationen finden Sie im Dokument Radar Altimeter von NSIDC (Davis und Zwally 1993, Zwally et al. 1983 und Brenner et al. 1983). Satellitenradar-Höhenmesserdaten (Liu, Jezek und Li 1999).

Interpolation von Traverse Airborne Radardaten

Flugradardaten werden entlang der Fluglinien dicht abgetastet, aber zwischen den Flugtransekten weit voneinander getrennt. Die meisten Interpolationsalgorithmen haben Schwierigkeiten, ein solches Muster aufzulösen. Das Entwicklungsteam für das RAMP Antarctic DEM verwendete ein Verfahren, das die quadrantennachbarschaftsbasierte Inverse Distance Weight (IDW)-Methode kombiniert, um das Interpolationsergebnis zu stabilisieren, mit der TIN-Methode, um die in den Quelldaten vorhandenen topografischen Details zu erhalten (Liu, Jezek, und Li 1999).

Interpolation konturbasierter kartografischer Daten

Konturdaten sind durch eine Überabtastung von Informationen entlang von Konturlinien und eine Unterabtastung zwischen Konturlinien gekennzeichnet, insbesondere in Bereichen mit niedrigem Relief und weit auseinander liegenden Konturen. Es ist der am schwierigsten zu interpolierende Datentyp mit universellen Interpolationstechniken. Das Entwicklungsteam entschied sich für die Verwendung der TOPOGRID-basierten Methode (Hutchinson 1988 Hutchinson 1989 ESRI 1991 Gesch und Larson 1996), um die kartographischen Daten im RAMP Antarktis-DEM zu interpolieren. Das Team hat die TOPOGRID-Methode leicht modifiziert (Liu, Jezek und Li 1999), um falsche Senken zu kompensieren, die in konturdünnen Gebieten auftreten, die Gebieten mit geringer Neigung wie Gletschertalböden entsprechen (Bliss und Olsen 1996).

Bestimmung des DEM-Gitterabstands

Der horizontale Rasterabstand von DEMs ist ein wichtiger Parameter, der bei der Interpolation angegeben werden muss. Im Allgemeinen ist ein kleiner Rasterabstand erforderlich, um eine genaue Darstellung der Oberflächendetails für ein zerklüftetes und bergiges Gelände zu erhalten, während ein großer Rasterabstand für ein Gelände mit niedrigem Relief ausreicht. Für die Satellitenradarhöhenmesserdaten und die Flugradardaten wurde ein Pfostenabstand von 1 km verwendet. Für die Höhenliniendaten wurde für zerklüftete Berggebiete mit sehr hoher Höhenliniendichte ein Raster von 200 m verwendet, während für die geneigten Küstengebiete, in denen die Konturen relativ glatt und regelmäßig, weit auseinanderliegen, ein Raster von 400 m verwendet wurde (Liu, Jezek und Li 1999).

Datenintegration

Für bergige und geneigte Küstenränder integrierte das Entwicklungsteam die Konturdaten, die Höhenpunkte, Küstenlinien, Erdungslinien und begrenzte GPS-Daten während des Interpolationsprozesses. Um Kanteneffekte zu vermeiden, werden alle Quelldaten-Layer zu einer Reihe von überlappenden Blöcken zusammengeführt, und der Interpolationsumfang wird jedes Mal viel kleiner eingestellt als der der Eingabedaten. Einzelne DEM-Datensätze werden zusammengeführt, indem GIS-logische "Clipping"- und "Einfüge"-Operationen entlang von Küstenlinien und Grundlinien verwendet werden, und indem eine kubische Hermite-Mischfunktion (S-förmig) entlang unregelmäßiger Pufferzonen verwendet wird (Liu, Jezek und Li 1999) .

Genauigkeit

Horizontale (räumliche) Auflösung
Die tatsächliche horizontale Auflösung des DEM variiert von Ort zu Ort entsprechend der Dichte und dem Maßstab der ursprünglichen Quelldaten. Die Entwickler des Datensatzes schätzen, dass die horizontale Auflösung des DEM im Transantarktischen Gebirge und auf der Antarktischen Halbinsel etwa 200 m und in den geneigten Küstenregionen etwa 400 m beträgt. Für Schelfeise und den Inlandeisschild, der von Satellitenradar-Höhenmesserdaten abgedeckt wird, beträgt die horizontale Auflösung etwa 5 km, aber wo die Flugradar-Sondierungsdaten verwendet wurden, beträgt die horizontale Auflösung etwa 1 km. Für das Plateau innerhalb von 81,5 Grad südlicher Breite wird die horizontale Auflösung auf etwa 10 km geschätzt (Liu, Jezek und Li 1999).

Genauigkeit der Geolokalisierung
Die Genauigkeit der Geolokalisierung (d. h. die Genauigkeit der Position eines bestimmten Merkmals auf dem DEM) wird durch die Genauigkeit der topografischen Datenquellen bestimmt und ist im Allgemeinen besser als die horizontale Auflösung des DEM.

Vertikale Genauigkeit
Die vertikale Genauigkeit des RAMP Antarctic DEM beträgt ± 100 m über zerklüftete Bergregionen, ± 15 m für steil abfallende Küstenregionen, ± 1 m auf dem Schelfeis, ± 7,5 m für den sanft abfallenden inneren Eisschild und ± 17,5 m für die relativ raue und steil geneigte Abschnitte des Eisschildumfangs. Für Breitengrade südlich von 81,5 Grad südlicher Breite, innerhalb des inneren ostantarktischen Eisschildes und abseits der Gebirgszüge, wird die vertikale Genauigkeit auf ± 50 m geschätzt (Liu, Jezek und Li 1999).

Fehlerbehandlung

Mögliche Fehler im RAMP DEM sind Unvollkommenheiten im Messgerät, fehlerhafte Messwerte oder Aufzeichnungen, Berechnungs- und Ausführungsfehler sowie Digitalisierungsfehler. In den ARC/INFO-Kontur-Coverages wurden Fehler mit falsch gekennzeichneten Konturen und Schnittpunkten von Konturen festgestellt. In einigen Fällen wichen digitalisierte Höhenlinien von ihrer ursprünglichen Position auf der Quellkarte ab und schnitten sich oft, was dazu führte, dass einige Positionen zwei oder mehr widersprüchliche Werte aufwiesen. Außerdem wurden eine schlechte Bodenkontrolle und ungenaue Navigationstechniken festgestellt, die verwendet wurden, um die ursprünglichen topografischen Daten zu erfassen. Einigen Bodenkontrollpunkten wurden aufgrund von Dateneingabefehlern fälschlicherweise große Werte zugewiesen. Das RAMP-DEM-Entwicklungsteam verwendete eine Vielzahl von Techniken, um diese Fehler zu erkennen und zu korrigieren (Liu 1999).

Globale statistische Analyse
Zusammenfassende Statistiken wurden aus den ARC/INFO-Attributtabellen berechnet, in denen sich die Höhendaten befinden. Diese globalen Statistiken wurden verwendet, um extreme Fehlwerte, nämlich den Höhenbereich, aus Vorkenntnissen über eine bestimmte Region oder aus der Häufigkeitsverteilung von Höhenmessungen zu identifizieren. Datenpunkte mit Höhenwerten außerhalb des angemessenen Bereichs wurden markiert, und fälschlicherweise große Werte und negative Werte für die Höhe wurden entfernt. Höhenlinien mit unregelmäßigen Höhenwerten wurden erkannt und entsprechend den Werten benachbarter Höhenlinien korrigiert.

Kreuzvalidierung
Kreuzvalidierungsmethoden wurden für mehrere Datensätze verwendet, die sich im selben Bereich überlappen. Punkthöhenpunkte wurden gegen entsprechende Konturabdeckungen geprüft, indem zuerst die Höhenwerte an den Positionen der Punktpunkte durch Interpolation zwischen den Konturen vorhergesagt wurden, dann die Differenzen zwischen den interpolierten Werten und den Punkthöhenwerten berechnet wurden. Punkte, deren absolute Differenz größer als ein Konturintervall im flachen Bereich und zweimal größer als das Konturintervall in stark variablen Bereichen war, wurden entfernt. In ähnlicher Weise wurde ein Cross-Checking zwischen Konturdaten und Satellitenradar-Alimeterdaten durchgeführt.

Visuelle Inspektion
Fehler in Höhendaten wurden mit einer Vielzahl interaktiver Methoden erkannt, darunter perspektivische Ansichten, Farbreihenfolge in Höhenlinien, Schummerung und synthetische Stereodarstellung. In fraglichen Bereichen wurden Höhenlinien mit den Quelldaten überlagert, um Fehler in den Höhenwerten aufzudecken. Beim Rendern des DEM-Gitters als schattiertes Bild oder synthetisches Stereobild traten Fehler als anomale Täler oder Narben auf, insbesondere wenn die vertikale Übertreibung erhöht oder der Beleuchtungswinkel angepasst wurde.

Bildsimulation
Dieses Verfahren integrierte eine digitale Synthese eines Satellitenbildes gemäß einem DEM-Raster mit Informationen über den Satellitenbeleuchtungswinkel und die Bildgeometrie. In einem Gebiet mit homogener Landbedeckung wie dem der Antarktis kann ein Vergleich und eine Korrelationsanalyse zwischen simuliertem Bild und realem Bild oft Fehler in der DEM aufdecken.

Räumliche Autokorrelation
Subtile Fehler in den Höhenwerten wurden mit strengen statistischen Methoden und durch Rückverfolgung von Fehlern auf die ursprünglichen Quelldaten nach Lokalisierung von Bereichen mit räumlicher Diskontinuität erkannt. Beim Prüfen der Konsistenz und Kontinuität jedes Datenpunkts relativ zu nahegelegenen Punkten werden fehlerhafte Datenpunkte als lokale Ausreißer gekennzeichnet, wenn sie mit benachbarten Punkten nicht übereinstimmen.


Schau das Video: Fireplace 10 hours full HD