Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Reliability of microwave link rainfall data for urban runoff modelling

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F17%3A00313417" target="_blank" >RIV/68407700:21110/17:00313417 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Reliability of microwave link rainfall data for urban runoff modelling

  • Popis výsledku v původním jazyce

    Unmeasured spatial rainfall variability is an important source of uncertainty in urban runoff modelling. Due to the excellent spatial coverage and high temporal resolution, commercial microwave links (CMLs) could improve the rainfall data quality. We use both the CMLs and traditional rainfall data to model runoff in a small urban catchment, and we analyze uncertainty of the model outputs. Our results demonstrate that the CML data improve results of runoff modelling, especially when compared to data from remote rain gauges. Interestingly, for extremely spatially variable rainfalls, exploiting the CML data leads to results outperforming even the rain gauge data originating directly in the catchment.

  • Název v anglickém jazyce

    Reliability of microwave link rainfall data for urban runoff modelling

  • Popis výsledku anglicky

    Unmeasured spatial rainfall variability is an important source of uncertainty in urban runoff modelling. Due to the excellent spatial coverage and high temporal resolution, commercial microwave links (CMLs) could improve the rainfall data quality. We use both the CMLs and traditional rainfall data to model runoff in a small urban catchment, and we analyze uncertainty of the model outputs. Our results demonstrate that the CML data improve results of runoff modelling, especially when compared to data from remote rain gauges. Interestingly, for extremely spatially variable rainfalls, exploiting the CML data leads to results outperforming even the rain gauge data originating directly in the catchment.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

  • OECD FORD obor

    10501 - Hydrology

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA17-16389S" target="_blank" >GA17-16389S: Odvození hydrologických veličin z šíření radiových vln v síti pevných mikrovlnných spojů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů