Más

Problema con la dirección del flujo en DEM

Problema con la dirección del flujo en DEM


Tengo el siguiente problema con la herramienta de dirección de flujo en mi DEM y con una dirección de flujo calculada tan incorrecta en el centro de DEM no puedo delinear ninguna cuenca. ¿Que puedo hacer?


Sistemas de información geográfica: implicaciones para la resolución de problemas

Durante la década de 1980 se desarrolló un tipo revolucionario de software de computadora llamado Sistemas de Información Geográfica (GIS) para integrar bases de datos ambientales con creadores de mapas automatizados. Actualmente, las aplicaciones educativas de SIG están recibiendo mucha atención y prometen impactar en las aulas de los Estados Unidos del mañana. Dado que los tecnófilos se centran inicialmente en cuestiones de hardware y software, la expansión de las tecnologías educativas tiende a sobrepasar la base de conocimientos asociada con respecto al aprendizaje y la enseñanza. El consenso emergente es que las investigaciones sistemáticas de cómo las innovaciones tecnológicas pueden apoyar el aprendizaje deben preceder a la adopción de nuevas prácticas educativas. Este estudio comparó los comportamientos de resolución de problemas basados ​​en expertos / principiantes con un programa GIS llamado ArcView. Las estrategias de resolución de problemas de SIG descritas durante las sesiones de reflexión en voz alta se evaluaron a través de métodos de investigación naturalistas y se analizaron para detectar la aparición de elementos temáticos. Se identificaron tres tipologías de resolución de problemas de SIG. Los expertos se basaron en formulaciones lógicas para consultar la base de datos. Entre la población de principiantes, los métodos de prueba y error y las estrategias cognitivas de nivel medio que se basaban en análisis espaciales fueron los más frecuentes. A medida que los novatos avanzaban en el conjunto de problemas, las operaciones cognitivas de nivel superior se usaban con mayor frecuencia. Los hallazgos sugieren la importancia de estudios cognitivos adicionales y evaluaciones en el aula de varios modelos de instrucción antes de la introducción total de la tecnología GIS en las aulas de las escuelas secundarias. © 1996 John Wiley & Sons, Inc.


  • APA
  • Autor
  • BIBTEX
  • Harvard
  • Estándar
  • RIS
  • Vancouver

En: Informática de Ciencias de la Tierra, vol. 11, núm. 4, 12.2018, pág. 579–590.

Resultado de la investigación: Contribución a la revista ›Artículo› Académico ›Revisión por pares

T1: un método integrado para calcular RUSLE LS basado en DEM

N2 - La mejora de la resolución de los modelos digitales de elevación (DEM) y la aplicación cada vez mayor de la Ecuación de pérdida de suelo universal revisada (RUSLE) en grandes áreas han creado problemas para la eficiencia del cálculo del factor LS para grandes conjuntos de datos. El pretratamiento para áreas planas, la acumulación de flujo y el cálculo de la longitud de la pendiente han sido tradicionalmente los pasos que requieren más tiempo. Sin embargo, la obtención de estas características generalmente se considera como pasos separados, y los cálculos aún tienden a llevar mucho tiempo. Desarrollamos un método integrado para mejorar la eficiencia del cálculo del factor LS. El modelo de cálculo contiene algoritmos para calcular la dirección del flujo, la acumulación de flujo, la longitud de la pendiente y el factor LS. Usamos el método Deterministic 8 para desarrollar octárboles en la dirección del flujo (FDOT), matrices planas (FM) y colas de primero en entrar, primero en salir (FIFOQ) que trazan la trayectoria del flujo. Estas estructuras de datos fueron mucho más eficientes en el tiempo para calcular la longitud de la pendiente dentro de las llanuras, la acumulación de flujo y la longitud de la pendiente linealmente al atravesar los FDOT desde sus hojas hasta sus raíces, lo que puede reducir el alcance de la búsqueda y el intercambio de datos. Evaluamos la precisión y efectividad de este algoritmo integrado calculando el factor LS para tres áreas de la meseta de Loess en China y SRTM DEM de China. Los resultados indicaron que esta herramienta podría mejorar sustancialmente la eficiencia de los cálculos del factor LS en áreas extensas sin reducir la precisión.

AB - La mejora de la resolución de los modelos digitales de elevación (DEM) y la aplicación cada vez mayor de la Ecuación de pérdida de suelo universal revisada (RUSLE) en grandes áreas han creado problemas para la eficiencia del cálculo del factor LS para grandes conjuntos de datos. El pretratamiento para áreas planas, la acumulación de flujo y el cálculo de la longitud de la pendiente han sido tradicionalmente los pasos que requieren más tiempo. Sin embargo, la obtención de estas características generalmente se considera como pasos separados, y los cálculos aún tienden a llevar mucho tiempo. Desarrollamos un método integrado para mejorar la eficiencia del cálculo del factor LS. El modelo de cálculo contiene algoritmos para calcular la dirección del flujo, la acumulación de flujo, la longitud de la pendiente y el factor LS. Usamos el método Deterministic 8 para desarrollar octárboles en la dirección del flujo (FDOT), matrices planas (FM) y colas de primero en entrar, primero en salir (FIFOQ) que trazan la trayectoria del flujo. Estas estructuras de datos fueron mucho más eficientes en el tiempo para calcular la longitud de la pendiente dentro de las llanuras, la acumulación de flujo y la longitud de la pendiente linealmente al atravesar los FDOT desde sus hojas hasta sus raíces, lo que puede reducir el alcance de la búsqueda y el intercambio de datos. Evaluamos la precisión y efectividad de este algoritmo integrado calculando el factor LS para tres áreas de la meseta de Loess en China y SRTM DEM de China. Los resultados indicaron que esta herramienta podría mejorar sustancialmente la eficiencia de los cálculos del factor LS en áreas extensas sin reducir la precisión.


No se puede asignar Shapefile de puntos de fluidez

Necesito delinear la cuenca hidrográfica de la Bahía de Chesapeake. Por esta razón, tomé 16 mosaicos de producción DEM (Arcgrid) de la base de datos de USGS y los fusioné a través de Mosaic Database. Ejecuté la caja de herramientas del analista espacial (Relleno, Dirección de flujo, Acumulación de flujo, respectivamente) con las mismas referencias espaciales que los conjuntos de datos dem (GCS_North_American_1983). Ahora, cuando quiero definir el Shapefile del punto de fluidez para finalizar la delimitación de la cuenca hidrográfica, no se puede ajustar la celda con la acumulación alta. Estoy seguro de que el sistema de coordinación geográfica es el mismo para todas mis capas. Pero cuando quiero asignar celdas relevantes en el Shapefile de puntos de fluidez, muestra una advertencia en la que alerta de inconsistencia entre Shapefile y una de las capas (Adjunto-1). Además, el resultado de la acumulación de flujo no parece ser satisfactorio (consulte el Anexo-2,3).

¿Hay alguna ayuda que puedas darme? No sé de dónde viene el problema.

@


Flujos de escombros en el Parque Nacional Suizo: la influencia de diferentes modelos de flujo y el tamaño variable de la cuadrícula DEM en los resultados del modelado

En el Parque Nacional Suizo, los flujos de escombros son un fenómeno frecuente y han afectado repetidamente las carreteras y las estructuras de senderismo. En este estudio, primero investigamos las principales características y dimensiones de los flujos de escombros actuales mediante el trabajo de campo y los esquemas empíricos de parametrización. Además, evaluamos un modelo de sistema de información geográfica (MSF) de trayectoria de flujo basado en topografía y un modelo de enrutamiento de flujo (FLO-2D) en términos de áreas afectadas por el flujo de escombros. Se utilizaron tres modelos digitales de elevación (DEM) genéricamente diferentes con un espaciado de cuadrícula de 25, 4 y 1 m junto con los modelos de flujo. La evaluación del espaciado de la cuadrícula del DEM muestra que para ambos modelos de flujo, el DEM de 25 m puede dar una estimación aproximada de la zona de peligro potencial. Los DEM de cuatro y un metro en su mayoría confinan el flujo de escombros simulado a los canales existentes y están de acuerdo con las observaciones de eventos recientes de flujo de escombros. El estudio muestra que la calidad del DEM y la resolución de la red son cruciales para la delimitación resultante de las áreas potencialmente afectadas y, por lo tanto, para la evaluación y el mapeo de peligros.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Analista de sistemas de información geográfica (GIS) de nivel de entrada Salario en los Estados Unidos

¿Cuánto gana un analista de sistemas de información geográfica (GIS) de nivel de entrada en los Estados Unidos? El salario promedio de un analista de sistemas de información geográfica (GIS) de nivel de entrada en los Estados Unidos es $58,301 al 27 de mayo de 2021, pero el rango suele estar entre $51,201 y $63,901. Los rangos salariales pueden variar ampliamente dependiendo de muchos factores importantes, incluida la educación, las certificaciones, las habilidades adicionales y la cantidad de años que ha pasado en su profesión. Con más datos de compensación en línea y en tiempo real que cualquier otro sitio web, Salary.com lo ayuda a determinar su objetivo de pago exacto.

Percentil Salario Localización Última actualización
Sueldo del analista de sistemas de información geográfica (SIG) de nivel de entrada del percentil 10 $44,737 nosotros 27 de mayo de 2021
Sueldo del analista de sistemas de información geográfica (SIG) de nivel de entrada del percentil 25 $51,201 nosotros 27 de mayo de 2021
Sueldo del analista de sistemas de información geográfica (SIG) de nivel de entrada del percentil 50 $58,301 nosotros 27 de mayo de 2021
Sueldo del analista de sistemas de información geográfica (SIG) de nivel de entrada del percentil 75 $63,901 nosotros 27 de mayo de 2021
Sueldo del analista de sistemas de información geográfica (SIG) de nivel de entrada del percentil 90 $69,000 nosotros 27 de mayo de 2021

Individualice el pago de los empleados según los requisitos laborales únicos y las calificaciones personales.

Obtenga el último precio de mercado para trabajos de referencia y trabajos en su industria.

Analiza el mercado y tus calificaciones para negociar tu salario con confianza.

Busque miles de puestos vacantes para encontrar su próxima oportunidad.


Los resultados de aprendizaje de la unidad expresan los logros de aprendizaje en términos de lo que un estudiante debe saber, comprender y ser capaz de hacer al completar una unidad. Estos resultados están alineados con los atributos de los graduados. Los resultados de aprendizaje de la unidad y los atributos de los graduados también son la base de la evaluación del aprendizaje previo.

Al completar esta unidad, los estudiantes deberían poder:
1gestionar un proyecto GIS a un nivel profesional
2analizar datos espaciales para resolver un problema espacial
3interpretar imágenes de teledetección
4utilizar una variedad de software para resolver un problema espacial en su disciplina
5comunicar los resultados del análisis espacial a la comunidad en general.

Al completar esta unidad, los estudiantes deberían poder:

  1. gestionar un proyecto GIS a un nivel profesional
  2. analizar datos espaciales para resolver un problema espacial
  3. interpretar imágenes de teledetección
  4. utilizar una variedad de software para resolver un problema espacial en su disciplina
  5. comunicar los resultados del análisis espacial a la comunidad en general.

Impacto de la resolución de DEM en la estimación de las características físicas de las cuencas hidrográficas mediante el uso de SWAT

Un modelo de elevación digital (DEM) es una entrada espacial importante para la extracción automática de parámetros topográficos para la herramienta de evaluación de suelos y aguas (SWAT). El objetivo de este estudio fue investigar el impacto de la resolución DEM (de 5 a 90 m) en el proceso de delimitación de un modelo SWAT con dos tipos de características de cuenca (área plana y área montañosa) y tres tamaños de área de cuenca (alrededor de 20.000 , 200.000 y 1.500.000 hectáreas). Los resultados mostraron que las longitudes totales de la línea de corriente, la pendiente del canal principal, el área de la cuenca y la pendiente del área fueron significativamente diferentes cuando se utilizaron los conjuntos de datos DEM para delinear. La delimitación utilizando el SRTM DEM (90 m), ASTER DEM (30 m) y LDD DEM (5 m) para todas las características de la cuenca, mostró que los tamaños y formas de las cuencas hidrográficas obtenidas fueron solo ligeramente diferentes, mientras que las pendientes del área obtenidas fueron significativamente diferentes. Las longitudes totales de los flujos generados aumentaron cuando la resolución del DEM utilizado fue mayor. Las pendientes de los arroyos obtenidas utilizando los tamaños de áreas pequeñas fueron insignificantes, mientras que las pendientes obtenidas utilizando los tamaños de áreas grandes fueron significativamente diferentes. Esto sugiere que los usuarios del modelo de recurso hídrico deberían utilizar el DEM ASTER en lugar de un DEM de resolución más fina para la entrada del modelo a fin de ahorrar tiempo para la calibración y validación del modelo.

1. Introducción

Las tecnologías informáticas pueden proporcionar herramientas adicionales para el mapeo geológico, lo que puede mejorar la concordancia de las unidades geológicas determinadas con la topografía del terreno. Tal herramienta es el modelo digital de elevación (DEM), que es un mapa digital de la elevación de un área de la Tierra [ 1-3]. DEM es útil para la creación automática de datos de entrada preparados para modelos hidrológicos e hidráulicos, como el modelo de la herramienta de evaluación de suelos y aguas (SWAT), el sistema de análisis de río de centro de ingeniería hidrológica (HEC-RAS) y el centro de ingeniería hidrológica-hidrológico sistema de modelado (HEC-HMS) [4-6]. El DEM se puede utilizar para representar los parámetros físicos de la cuenca en términos de la dirección del flujo, la red de drenaje y las pendientes de drenaje. El rendimiento del modelo varía en función de los datos de entrada disponibles [7, 8]. La resolución básica de DEM, o tamaño de la trama, es siempre un compromiso entre el nivel de detalle necesario para el cálculo, la precisión de los datos y la potencia informática total y los recursos de tiempo que se pueden asignar [9]. La precisión de los datos de DEM debe monitorearse para permitir la mejor selección para su uso en la preparación del modelo base de DEM porque esta es la clave del éxito de los resultados del modelo. Un problema posterior es que el tamaño de la cuadrícula es adecuado para cada tipo de terreno y el tamaño del área de interés. La resolución de los datos del Sistema de Información Geográfica (SIG) está estrechamente asociada con la velocidad de cálculo en el análisis espacial. Cuando el tiempo de cálculo es demasiado largo para ejecutar un modelo a alta resolución, los usuarios de SWAT pueden usar datos DEM de resolución más gruesa para acelerar el procedimiento de cálculo. El DEM de la Agencia de Protección Ambiental del Servicio Geológico de los Estados Unidos (EPA-USGS) y el DEM de cuadrícula de 30 m (conjunto de datos NED) se emplearon para investigar el efecto de la resolución del DEM en la delimitación de tres áreas de captación en Mississippi, y se encontró que la resolución de los datos de elevación afectó la delimitación de la cuenca al proporcionar más subcuencas (para la misma área) cuando se utilizan conjuntos de datos más gruesos, es decir, una resolución más baja produce una mayor segmentación de una cuenca, mientras que los conjuntos de datos de mayor resolución permiten una mejor delimitación de áreas planas cuando el espacio avanzado- Se aplicaron el Radiómetro de Emisión y Reflexión Térmica Ósea (ASTER) y la Misión de Topografía de Radar Transbordador (SRTM) para delimitar las cuencas hidrográficas, y los resultados mostraron que ambos DEM eran adecuados para la delimitación de glaciares [10].

Un modelo SWAT es la herramienta más utilizada para estudiar estimaciones hidrológicas. Además, el objetivo del desarrollo de SWAT era predecir el impacto de la gestión en el agua, los sedimentos y los rendimientos de productos químicos agrícolas en grandes cuencas sin tapar [11]. SWAT es un modelo a escala de cuencas hidrográficas semidistribuido con base física que se ha utilizado ampliamente para predecir el impacto de las prácticas de gestión de la tierra en el transporte de agua, sedimentos y productos químicos agrícolas [12]. Se aplicó SWAT a la cuenca del río Chaliyar de 2.530 km 2 en Kerala, India, para investigar la influencia de los parámetros del modelo, y el resultado indicó que puede haber una mayor incertidumbre en las estimaciones de flujo de arroyos SWAT a medida que aumenta el tamaño de la cuenca [6] . La mayoría de los estudios realizados se han centrado en los efectos que van desde tamaños de cuadrícula DEM de 30 × 30 m hasta 1000 × 1000 m, pero sin utilizar conjuntos de datos de mayor resolución en un tamaño de cuadrícula DEM de 5 m. El impacto de la resolución de datos de entrada espacial (de 20 a 500 m) sobre los parámetros hidrológicos en una cuenca hidrográfica plana se ha estudiado en el centro de Iowa (EE. UU.) [13]. Además, se ha estudiado el impacto de la resolución DEM (de 20 a 1500 m) en el flujo de corriente simulado por SWAT para la cuenca del río Johor, Malasia [14]. Actualmente, las resoluciones más altas de DEM están disponibles gratuitamente, por ejemplo, la cuadrícula DEM de 90 m (SRTM DEM) y la cuadrícula DEM de 30 m (ASTER DEM). Particularmente en Tailandia, el Departamento de Desarrollo de Tierras desarrolló un DEM de red de 5 m para que las organizaciones gubernamentales lo utilicen de forma gratuita.

En Tailandia no se han realizado estudios sobre el tamaño de la cuadrícula DEM, el tiempo de resolución y los parámetros de la cuenca que se utilizaron para preparar los modelos hidrológicos para estimar la escorrentía, el flujo de la corriente y otros parámetros hidrológicos en los modelos hidrológicos GIS. Este estudio investigó los algoritmos utilizados y enfatizó los problemas que se pueden encontrar durante el uso de los datos de DEM y el tiempo de asistencia para ejecutar todos los procesos utilizando una computadora personal (PC). El enfoque principal de este trabajo no fue la precisión de los datos de elevación en sí, sino los atributos derivados de ellos. Se utilizó una aplicación en muestras tomadas de la cuenca del río Chi y la cuenca del río Ping en Tailandia. Además, el estudio comparó diferentes resoluciones, de 5 ma 90 m (5 m, 30 my 90 m), utilizadas en las técnicas de delineación automática.

2. Metodología

2.1. Área de estudio

En este estudio se consideraron dos características de las áreas: áreas planas y áreas montañosas, como se muestra en la Figura 1. El sitio del área montañosa estaba ubicado entre las longitudes 259997–340000E y las latitudes 1763937–1826002N en la provincia de Chiang Mai, Tailandia. El área total de la red utilizada fue de 14.400 hectáreas. La zona montañosa domina la mayor parte de la cuenca.

Para las áreas de tierra plana, la primera área se ubicó entre las longitudes 285000–301019E y las latitudes 1770002–1753451N en la cuenca hidrográfica Huai-Por-Phan. El área total de la red utilizada fue de 26.500 hectáreas. La segunda área estaba ubicada entre las longitudes 277982–308567E y las latitudes 1809520–1866770N en la subcuenca Huai-Sai-Bath. El área total de la red utilizada fue de 175.000 hectáreas. La tercera área estaba ubicada entre las longitudes 339997–448007E y las latitudes 1741997–11880002N en la subcuenca Nam-Yang. El área total de la red utilizada fue de 1.490.000 hectáreas.

2.2. Recopilación de datos: DEM

Los datos de DEM provienen de tres fuentes: LDD DEM local, ASTER DEM y SRTM DEM. En primer lugar, el LDD DEM estaba en los datos de formato de cuadrícula proporcionados por el Departamento de Desarrollo de Tierras, Tailandia, 2008. En segundo lugar, el ASTER DEM es un nuevo conjunto de datos de elevación global de 1 segundo de arco (30 m) que fue publicado en junio de 2009 por METI (Ministerio de Economía, Comercio e Industria), Japón y NASA (Administración Nacional de Aeronáutica y del Espacio), EE. UU. (ERSDAC, 2009). El conjunto de datos ASTER 30 m utilizado en el área de estudio se descargó del sitio web relacionado (http://gdem.ersdac.jspacesystems.or.jp/search.jsp). En tercer lugar, el SRTM DEM es el resultado de un esfuerzo colaborativo de la NASA, EE. UU. (CGIAR-CSI, 2009). El conjunto de datos SRTM3 DEM utilizado en el estudio se descargó del sitio web (http://csi.cgiar.org/). Las características de los DEM se muestran en la Tabla 1. Se utilizaron shapefiles de cuencas del Departamento de Recursos Hídricos, Tailandia, 2009, y un mapa topográfico a escala 1: 50.000 con límites de cuencas digitalizados manualmente para comparar las áreas de tamaño mediano y grande.

2.3. Herramienta de evaluación del suelo y el agua

SWAT tiene una herramienta de delineación automática utilizada en el modelado actual del sistema SIG de hidrología de cuencas. SWAT es un sistema de análisis ambiental multipropósito que integra GIS, datos de cuencas, evaluación y herramientas de modelado. Los mapas y parámetros fueron extraídos por la interfaz ArcGIS de la extensión SWAT ya que estas herramientas son las más conocidas, accesibles y ampliamente utilizadas para comparar los resultados, a excepción de la subcuenca Haui-Sai-Bath y la subcuenca Nam-Yang. shapefiles de cuencas hidrográficas del DWR que se utilizaron para permitir que se consideren las comparaciones. SWAT es un modelo continuo con base física. Las subcuencas se delinearon utilizando los ocho algoritmos de flujo direccional (método D-8). El método D-8 es un método simple que se puede utilizar para simular las direcciones de flujo.

El método utilizó el algoritmo D-8 que asignó una dirección de flujo a la celda en el centro considerando la dirección de la mayor caída en elevación. Puede generar redes de arroyos y delimitación de cuencas hidrográficas. Las cuencas hidrográficas se crearon basándose en el DEM que representaba la dirección del flujo de agua [15, 16].

3. Resultados y discusión

La productividad al utilizar todos los DEM se considerará con respecto a tres aspectos de (1) características del área (tamaño, forma y pendiente del área), (2) longitud del arroyo y (3) pendiente del arroyo principal. Cada aspecto se consideró para cuatro cuencas hidrográficas (subcuencas de Huai-Sai-Khaw, Huai-Por-Phan, Huai-Sai-Bath y Nam-Yang). Ciertas propiedades físicas de las cuencas hidrográficas afectaron significativamente las características de la escorrentía y, como tales, son de gran interés en los análisis hidrológicos. Las principales características de la cuenca son las siguientes: (1) área de la cuenca: refleja el volumen de agua que se puede generar a partir de una lluvia (2) forma de la cuenca: la forma de una cuenca influye en la forma de su hidrograma característico (3) longitud de la cuenca hidrográfica: esta longitud se usa generalmente para calcular un parámetro de tiempo, que es una medida del tiempo de viaje del agua a través de una cuenca hidrográfica y (4) pendiente de la cuenca hidrográfica: la pendiente de la cuenca hidrográfica afecta el impulso de la escorrentía.

3.1. Impacto de las características del área (tamaño, forma y pendiente del área)

En este estudio se consideraron las principales características de la cuenca en términos del impacto en la respuesta hidrológica. Los parámetros de la cuenca (tamaño, forma y pendiente del área) se extrajeron automáticamente utilizando DEM de diferente resolución para la misma área. La delimitación de la cuenca hidrográfica LDD DEM se utilizó como punto base para comparar el tamaño de la cuenca. La forma más sencilla de comparar la eficiencia de varios DEM en la misma área es una comparación visual, y se emplearon áreas intersectadas entre diferentes DEM para brindar más información.

La Figura 2 muestra la delimitación del área de la cuenca hidrográfica Huai-Sai-Khaw (representativa de una pequeña zona montañosa) utilizando LDD DEM, ASTER DEM y SRTM DEM. Indicó que las formas LDD DEM y ASTER DEM eran similares, mientras que la forma que se obtuvo del SRTM DEM era bastante diferente. Además, las áreas intersectadas entre los distintos DEM y las cuencas hidrográficas extraídas cuando se superponen se incluyen en la Tabla 2.


Creación y uso compartido de TopoToolbox versión 1

Cuando comencé a buscar formas de calcular los flujos de agua en un paisaje, era nuevo en MATLAB y en la programación. Mi solución inicial al problema distaba mucho de ser elegante; por ejemplo, utilizaba numerosos bucles en lugar de operaciones vectorizadas para realizar los cálculos. Buscando ayuda, le hice una pregunta a la comunidad de MATLAB en MATLAB Central. Un colaborador sugirió usar una matriz dispersa grande y resolver ecuaciones lineales. Esta sugerencia me abrió los ojos a la elegancia y eficiencia del álgebra matricial en MATLAB. Cuando implementé este enfoque en MATLAB, reconocí que tenía varias aplicaciones potenciales. Por ejemplo, podría usarse para calcular la distancia que viajaría cada gota de lluvia antes de llegar a una cuenca o para delinear las cuencas en sí. Fue entonces cuando decidí crear la primera versión de TopoToolbox.

Hice que TopoToolbox estuviera disponible a través del sitio del Sistema de modelado de dinámica de superficies de la comunidad (CSDMS) de la Universidad de Colorado, y se convirtió en la herramienta más descargada de ese sitio. También publiqué TopoToolbox a través de GitHub y mediante File Exchange en MATLAB Central, donde se descarga decenas de veces al mes.


Este estudio no recibió financiación externa.

Afiliaciones

Departamento de Desarrollo Sostenible del Paisaje, Instituto de Geociencias y Geografía, Universidad Martin Luther Halle-Wittenberg, Halle, Alemania

Departamento de Agrimensura y Agrimensura, Facultad de Silvicultura y Recursos Naturales Wondo Genet, Universidad de Hawassa, Hawassa, Etiopía

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Contribuciones

Ambos autores hicieron una contribución valiosa y sin reservas. RG redactó la metodología utilizada, llevó a cabo el proceso de análisis de datos, la ejecución del modelo RUSLE y redactó el manuscrito EG más comprometido con la recopilación de datos espaciales, el proceso de clasificación LULC y la evaluación de la precisión. Ambos autores leyeron y aprobaron el manuscrito final.

Autor correspondiente


Ver el vídeo: Solucionar Problemas De Adaptador Wifi Y Ethernet En Windows 10