Comparison of Hydrological Platforms in Assessing Rainfall-Runoff Behavior in a Mediterranean Watershed of Northern Morocco
Comparación de plataformas hidrológicas para evaluar el comportamiento de la precipitación en una cuenca mediterránea del norte de Marruecos
Esta investigación evalúa la aplicación de diferentes tipos de modelos hidrológicos para simular escenarios de comportamiento de la escorrentía en la del Oued Laou (OLW) al norte de Marruecos. La precisión de los tres modelos hidrológicos utilizados en la simulación depende de la exactitud de los parámetros de precipitación, uso del suelo y suelo. Por lo tanto, es necesaria una distribución espacial detallada y una buena calidad de las mediciones de datos para obtener resultados más precisos de los modelos hidrológicos. Los resultados sugieren que los modelos hidrológicos semidistribuidos y conceptuales son especialmente adecuados para el OLW dada su heterogeneidad física. Además, los autores resaltan que, comprender los mecanismos de escorrentía a través de la modelización hidrológica de la OLW podría ayudar en la gestión del riesgo facilitando la planificación de los recursos hídricos.
Este artículo fue realizado por Mourad Aqnouy (Moulay Ismaïl University of Meknes, Boutalamine, Errachidia, Morocco), Mohamed Ahmed (Texas A&M University—Corpus Christi, TX, USA), Gebiaw T. Ayele (Griffith University, Nathan, Australia), Ismail Bouizrou, Abdelmounim Bouadila (Sidi Mohamed Ben Abdellah University, Fez, Morocco), Jamal Eddine Stitou El Messari (Abdelmalek Essaadi University, Tetouan, Morocco) para Water (Vol 12, núm 14, p. 6986, 2022), una revista que divulga trabajos de investigación sobre todos los aspectos del agua, incluyendo su ciencia, tecnología, gestión y gobernanza. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:519 kb
Marine Litter Stormy Wash-Outs: Developing the Neural Network to Predict Them
Desperdicios tormentosos de la basura marina: Desarrollo de una red neuronal predictiva.
La basura antropogénica es arrastrada a la costa después de los temporales siendo una oportunidad para recogerla y evitar que vuelva al mar. Sin embargo, las dinámicas de las zonas costeras es compleja en términos de predicción de arrastre, recolección y transporte de residuos. En este artículo se analiza las condiciones meteorológicas e hidrofísicas de la zona costera del Mar Báltico para utilizar los datos obtenidos como secuencia en una red neuronal artificial (RNA) para predecir los vertidos de basura marinas como punto de partida para la creación de una herramienta basada en redes neuronales para gestores ambientales en playas que les ayude a planificar de manera eficaz la recolección de plásticos y basura que afecta el océano.
Este artículo fue realizado por Sergei Fetisov (Immanuel Kant Baltic Federal University, Kaliningrad, Russia; Shirshov Institute of Oceanology RAS, Moscow, Russia), Irina Chubarenko (Shirshov Institute of Oceanology RAS, Moscow, Russia) para Pollutants (Vol 1, núm 3, p. 156-168, 2021) una revista que divulga investigaciones relacionadas con los contaminantes que se introducen en el medio natural, más allá de los límites permitidos, y causan efectos nocivos mensurables en el aire, el agua, el suelo o los organismos vivos. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:839 kb