Published November 1, 2022 | Version v1
Publication Open

Daily runoff and its potential error sources reconstructed using individual satellite hydrological variables at the basin upstream

Creators

  • 1. Institute of Geodesy and Geophysics
  • 2. Academic Degrees & Graduate Education

Description

Basin-scale hydropower operation and water resource allocation rely on in situ river discharge measured at a river mouth, which is referred to as runoff. Due to labor intensiveness and tight financial constraints, satellite hydrological variables have been advocated for reconstructing monthly runoff via regressing with nearby measured monthly river discharge over the past two decades. Nevertheless, daily runoff reconstruction by regressing with upstream satellite hydrological variables on a daily scale has yet to be examined. A data standardization approach is proposed for daily runoff reconstructed using satellite hydrological data upstream of the Mekong Basin. It was found that the accuracy of reconstructed and predicted daily runoff against in situ runoff was substantially increased, in particular, the troughs (peaks) during dry (wet) seasons, respectively, when compared to that of the direct linear regression. The backwater impact on the runoff accuracy is negligible after standardization, implying the possibility of choosing the basin exit at the entrance of the river delta. Results generated from the data standardization via neural network–based models do not improve consistently or even a bit worse than that of the linear regression. The best forecasted runoff, yielding the lowest relative error of 8.6%, was obtained from the upstream standardized water storage index. Detrended cross-correlation analysis indicated that the reconstructed and forecasted runoff from the data standardization yielded a cross-correlation larger than 0.8 against in situ data within most window sizes. Further improvement lies in the methodology for mitigating the influence due to climate variability and extreme events.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعتمد تشغيل الطاقة الكهرومائية على نطاق الحوض وتخصيص موارد المياه على تصريف النهر في الموقع الذي يقاس عند مصب النهر، والذي يشار إليه باسم الجريان السطحي. بسبب كثافة اليد العاملة والقيود المالية الضيقة، تمت الدعوة إلى المتغيرات الهيدرولوجية الساتلية لإعادة بناء الجريان السطحي الشهري عن طريق التراجع مع تصريف النهر الشهري المقاس القريب على مدى العقدين الماضيين. ومع ذلك، لم يتم بعد فحص إعادة بناء الجريان السطحي اليومي من خلال التراجع مع المتغيرات الهيدرولوجية للأقمار الصناعية على نطاق يومي. يُقترح نهج لتوحيد البيانات للجريان السطحي اليومي المعاد بناؤه باستخدام البيانات الهيدرولوجية الساتلية في المنبع لحوض نهر الميكونغ. وجد أن دقة الجريان السطحي اليومي المعاد بناؤه والمتوقع ضد الجريان السطحي في الموقع قد زادت بشكل كبير، على وجه الخصوص، الأحواض (القمم) خلال المواسم الجافة (الرطبة)، على التوالي، بالمقارنة مع الانحدار الخطي المباشر. تأثير المياه المرتدة على دقة الجريان السطحي لا يكاد يذكر بعد التوحيد القياسي، مما يعني إمكانية اختيار مخرج الحوض عند مدخل دلتا النهر. لا تتحسن النتائج الناتجة عن توحيد البيانات عبر النماذج القائمة على الشبكة العصبية باستمرار أو حتى أسوأ قليلاً من الانحدار الخطي. تم الحصول على أفضل جريان مائي متوقع، مما أدى إلى أدنى خطأ نسبي بنسبة 8.6 ٪، من مؤشر تخزين المياه الموحد في المنبع. أشار تحليل الارتباط المتبادل المفكك إلى أن الجريان السطحي المعاد بناؤه والمتوقع من توحيد البيانات أسفر عن ارتباط متقاطع أكبر من 0.8 مقابل البيانات في الموقع داخل معظم أحجام النوافذ. يكمن المزيد من التحسين في منهجية التخفيف من التأثير بسبب تقلب المناخ والظواهر المتطرفة.

Translated Description (French)

L'exploitation hydroélectrique à l'échelle du bassin et l'allocation des ressources en eau reposent sur le débit de la rivière in situ mesuré à l'embouchure de la rivière, appelé ruissellement. En raison de l'intensité de la main-d' œuvre et des contraintes financières strictes, les variables hydrologiques par satellite ont été préconisées pour reconstruire le ruissellement mensuel par régression avec le débit mensuel mesuré à proximité au cours des deux dernières décennies. Néanmoins, la reconstruction quotidienne du ruissellement par régression avec les variables hydrologiques satellites en amont à l'échelle quotidienne n'a pas encore été examinée. Une approche de standardisation des données est proposée pour le ruissellement quotidien reconstruit à l'aide de données hydrologiques satellitaires en amont du bassin du Mékong. Il a été constaté que la précision du ruissellement quotidien reconstruit et prédit par rapport au ruissellement in situ était considérablement augmentée, en particulier les creux (pics) pendant les saisons sèches (humides), respectivement, par rapport à celle de la régression linéaire directe. L'impact du backwater sur la précision du ruissellement est négligeable après standardisation, impliquant la possibilité de choisir la sortie du bassin à l'entrée du delta de la rivière. Les résultats générés à partir de la standardisation des données via des modèles basés sur les réseaux de neurones ne s'améliorent pas de manière cohérente ou même un peu pire que celui de la régression linéaire. Le ruissellement le mieux prévu, donnant l'erreur relative la plus faible de 8,6%, a été obtenu à partir de l'indice normalisé de stockage de l'eau en amont. Une analyse de corrélation croisée détendue a indiqué que le ruissellement reconstruit et prévu à partir de la normalisation des données a donné une corrélation croisée supérieure à 0,8 par rapport aux données in situ dans la plupart des tailles de fenêtres. Une autre amélioration réside dans la méthodologie d'atténuation de l'influence due à la variabilité du climat et aux événements extrêmes.

Translated Description (Spanish)

La operación hidroeléctrica a escala de cuenca y la asignación de recursos hídricos dependen de la descarga fluvial in situ medida en la desembocadura de un río, lo que se conoce como escorrentía. Debido a la intensividad de la mano de obra y las estrictas restricciones financieras, se han abogado por variables hidrológicas satelitales para reconstruir la escorrentía mensual a través de la regresión con la descarga fluvial mensual medida cercana en las últimas dos décadas. Sin embargo, aún no se ha examinado la reconstrucción diaria de la escorrentía mediante la regresión con variables hidrológicas satelitales aguas arriba a escala diaria. Se propone un enfoque de estandarización de datos para la escorrentía diaria reconstruida utilizando datos hidrológicos satelitales aguas arriba de la cuenca del Mekong. Se encontró que la precisión de la escorrentía diaria reconstruida y predicha contra la escorrentía in situ aumentó sustancialmente, en particular, los valles (picos) durante las estaciones secas (húmedas), respectivamente, en comparación con la de la regresión lineal directa. El impacto del remanso en la precisión de la escorrentía es insignificante después de la estandarización, lo que implica la posibilidad de elegir la salida de la cuenca en la entrada del delta del río. Los resultados generados a partir de la estandarización de datos a través de modelos basados en redes neuronales no mejoran de manera consistente o incluso son un poco peores que los de la regresión lineal. La mejor escorrentía pronosticada, que arrojó el error relativo más bajo de 8.6%, se obtuvo a partir del índice de almacenamiento de agua estandarizado aguas arriba. El análisis de correlación cruzada de tendencias indicó que la escorrentía reconstruida y pronosticada a partir de la estandarización de datos produjo una correlación cruzada mayor que 0,8 frente a los datos in situ dentro de la mayoría de los tamaños de ventana. La mejora adicional radica en la metodología para mitigar la influencia debida a la variabilidad climática y los eventos extremos.

Files

pdf.pdf

Files (7.7 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:f3560bc81b82b193e8e87aff084018e3
7.7 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
إعادة بناء الجريان السطحي اليومي ومصادر الخطأ المحتملة باستخدام المتغيرات الهيدرولوجية الفردية للأقمار الصناعية في الحوض عند المنبع
Translated title (French)
Le ruissellement quotidien et ses sources d'erreur potentielles reconstruits à l'aide de variables hydrologiques satellitaires individuelles au niveau du bassin en amont
Translated title (Spanish)
Escorrentía diaria y sus posibles fuentes de error reconstruidas utilizando variables hidrológicas satelitales individuales en la cuenca aguas arriba

Identifiers

Other
https://openalex.org/W4308123692
DOI
10.3389/feart.2022.821592

Is supplement to
https://openalex.org/W3163149531 (Other)
https://openalex.org/W2998482203 (Other)
https://openalex.org/W2998261031 (Other)
https://openalex.org/W2404916517 (Other)
https://openalex.org/W2391144989 (Other)
https://openalex.org/W2358173089 (Other)
https://openalex.org/W2348041748 (Other)
https://openalex.org/W2157281084 (Other)
https://openalex.org/W2119121309 (Other)
https://openalex.org/W2093665765 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1498436455
  • https://openalex.org/W1516902073
  • https://openalex.org/W1581347830
  • https://openalex.org/W1587028137
  • https://openalex.org/W1788635248
  • https://openalex.org/W1892562850
  • https://openalex.org/W1973663667
  • https://openalex.org/W1975839788
  • https://openalex.org/W1979850423
  • https://openalex.org/W1983873786
  • https://openalex.org/W1995622703
  • https://openalex.org/W1996836686
  • https://openalex.org/W2009129405
  • https://openalex.org/W2017821362
  • https://openalex.org/W2019985735
  • https://openalex.org/W2024215888
  • https://openalex.org/W2032874589
  • https://openalex.org/W2033685944
  • https://openalex.org/W2033904036
  • https://openalex.org/W2041205556
  • https://openalex.org/W2041475807
  • https://openalex.org/W2046517373
  • https://openalex.org/W2046930921
  • https://openalex.org/W2047137256
  • https://openalex.org/W2048156030
  • https://openalex.org/W2053404909
  • https://openalex.org/W2055412520
  • https://openalex.org/W2056544088
  • https://openalex.org/W2060747052
  • https://openalex.org/W2063453643
  • https://openalex.org/W2064917271
  • https://openalex.org/W2066717950
  • https://openalex.org/W2070620956
  • https://openalex.org/W2074512438
  • https://openalex.org/W2075843680
  • https://openalex.org/W2083773765
  • https://openalex.org/W2085777199
  • https://openalex.org/W2089409887
  • https://openalex.org/W2092878288
  • https://openalex.org/W2096210555
  • https://openalex.org/W2096487538
  • https://openalex.org/W2099529384
  • https://openalex.org/W2099916158
  • https://openalex.org/W2101377177
  • https://openalex.org/W2101936368
  • https://openalex.org/W2103496339
  • https://openalex.org/W2105146752
  • https://openalex.org/W2108482614
  • https://openalex.org/W2115916781
  • https://openalex.org/W2129106098
  • https://openalex.org/W2133765884
  • https://openalex.org/W2146947015
  • https://openalex.org/W2162727690
  • https://openalex.org/W2271372647
  • https://openalex.org/W2345287880
  • https://openalex.org/W2407551443
  • https://openalex.org/W2565622834
  • https://openalex.org/W2572126400
  • https://openalex.org/W2767041360
  • https://openalex.org/W2783117955
  • https://openalex.org/W2873161155
  • https://openalex.org/W2883907356
  • https://openalex.org/W2890636548
  • https://openalex.org/W2897086995
  • https://openalex.org/W2898841493
  • https://openalex.org/W2944293427
  • https://openalex.org/W2954564392
  • https://openalex.org/W2964509567
  • https://openalex.org/W2968421659
  • https://openalex.org/W2978145925
  • https://openalex.org/W2996538866
  • https://openalex.org/W2998940439
  • https://openalex.org/W3011503994
  • https://openalex.org/W3030583971
  • https://openalex.org/W3041764835
  • https://openalex.org/W3089160724
  • https://openalex.org/W3095968784
  • https://openalex.org/W3109676570