Abstrak
Percabangan saluran sungai sangat penting untuk mendistribusikan air dan sedimen di dataran banjir dan delta, tetapi memperkirakan rasio debit antara cabang-cabang masih menjadi tantangan. Dengan menggunakan citra satelit dan data debit in-situ, kami menunjukkan bahwa lebar saluran bercabang dapat memperkirakan rasio debit di 23 dari 27 percabangan di 11 sungai di seluruh dunia, dengan akurasi yang baik ( R 2 = 0,80) dalam 26 dari 33 pengukuran. Persamaan lebar-debit empiris yang diperoleh dari 5.740 stasiun pengukur Survei Geologi Amerika Serikat lebih meningkatkan akurasi ( R 2 = 0,82). Untuk hasil terbaik, lebar cabang harus diukur dalam satu lebar saluran dari percabangan. Metode ini tidak efektif dalam kasus yang dipengaruhi oleh anak sungai, avulsi, atau banyak cabang. Kami menyimpulkan bahwa lebar saluran efektif untuk memperkirakan rasio debit, terutama ketika dipasangkan dengan persamaan lebar-debit empiris, yang berpotensi meningkatkan perkiraan debit sungai dari misi satelit Surface Water and Ocean Topography, yang saat ini tidak memiliki kemampuan partisi aliran untuk percabangan.
Poin-poin Utama :
- Lebar saluran yang diindera dari jarak jauh secara akurat memperkirakan rasio debit di percabangan sungai, berhasil di 23 dari 27 lokasi di seluruh dunia
- Persamaan lebar-debit dari data Survei Geologi Amerika Serikat meningkatkan estimasi rasio debit, mencapai akurasi yang lebih tinggi untuk sungai global
- Metode lebar, optimal dalam satu lebar saluran hilir, dapat meningkatkan estimasi debit satelit Air Permukaan dan Topografi Laut untuk sungai-sungai yang bercabang
Ringkasan Bahasa Sederhana
Percabangan sungai, tempat sungai terbagi menjadi dua cabang atau lebih, memainkan peran penting dalam menyebarkan air dan sedimen melintasi dataran banjir dan delta. Namun, memperkirakan berapa banyak air yang mengalir melalui setiap cabang seringkali sulit. Dalam penelitian kami, kami menggunakan citra satelit dan pengukuran di lapangan untuk menunjukkan bahwa lebar saluran dapat digunakan untuk memperkirakan berapa banyak air yang mengalir melalui cabang yang berbeda. Metode ini bekerja dengan baik untuk sebagian besar percabangan yang kami pelajari di 11 sungai secara global. Kami juga menemukan bahwa menggunakan persamaan berdasarkan data sungai AS meningkatkan keakuratan estimasi kami. Hasil terbaik diperoleh ketika lebar saluran diukur dekat dengan titik di mana sungai terbagi. Metode ini tidak bekerja dengan baik ketika anak sungai atau faktor lain memengaruhi aliran. Secara keseluruhan, pendekatan kami dapat membantu meningkatkan estimasi aliran sungai dari misi satelit seperti Surface Water dan Ocean Topography, yang saat ini tidak menangani percabangan dengan baik.
1 Pendahuluan
Percabangan saluran sungai umum terjadi di sistem sungai dan delta, dan memainkan peran penting dalam mendistribusikan kembali air, sedimen, dan nutrisi melalui saluran hilir yang dihasilkan (Buschman et al., 2010 ; Edmonds & Slingerland, 2008 ; Frings & Kleinhans, 2008 ; Kleinhans et al., 2013 ). Banyak penelitian telah mengeksplorasi geomorfologi, transportasi sedimen, stabilitas saluran, dan struktur aliran percabangan (Bolla Pittaluga et al., 2003 ; Chalov et al., 2023 ; Guo et al., 2023 ; Jing & Qin, 2023 ; Marra et al., 2014 ; Ragno et al., 2022 ; Redolfi et al., 2019 ). Namun, lebih sedikit penelitian yang secara khusus berfokus pada prediksi akurat pembagian debit di percabangan (Dong et al., 2020 ; Hariharan et al., 2022 ).
Dong et al. ( 2020 ) memperkirakan pemisahan air dan debit di percabangan jaringan delta berdasarkan model grafik (Tejedor et al., 2015a , Tejedor et al., 2015b ). Pengukuran lapangan pemisahan debit air dan sedimen di enam percabangan di delta Selenga, Rusia, merupakan bagian penting dari studi mereka, bersama dengan pengukuran berbagai parameter bentuk dasar saluran yang diindra dari jauh. Dengan menggunakan pengukuran lebar, kelokan, dan sudut percabangan yang diindra dari jauh, mereka menemukan hubungan empiris yang kuat (misalnya, rasio debit sebanding dengan rasio lebar) dengan pemisahan aliran. Hariharan et al. ( 2022 ) menyajikan validasi metode pemisahan debit berbasis lebar (pembagian aliran berdasarkan lebar saluran rata-rata) di 15 delta secara global. Mereka menemukan bahwa meskipun bobot pemisahan optimal dapat bervariasi untuk setiap sistem tertentu, penggunaan lebar saluran rata-rata, jika tidak ada data lapangan, merupakan pendekatan yang valid. Hal ini didukung oleh pengamatan bahwa penggabungan kelokan saluran hanya menghasilkan sedikit peningkatan dalam akurasi pembagian. Studi-studi ini menggarisbawahi kegunaan penginderaan jarak jauh dalam menyediakan alat yang praktis dan dapat diskalakan untuk analisis jaringan saluran yang kompleks.
Meskipun ada kemajuan ini, penggunaan penginderaan jarak jauh untuk memperkirakan pembagian debit di percabangan sungai masih kurang berkembang, khususnya dalam konteks non-delta. Sekitar 50% dari sungai utama (sungai dengan debit lebih dari 1.000 m 3 s −1 , Latrubesse ( 2008 )) memiliki percabangan yang melimpah (yaitu, merupakan anabranching, B. Wang et al., 2022 ), yang menyoroti perlunya penelitian lebih lanjut di bidang ini. Kumpulan data multi-saluran yang muncul, seperti Global River Topology (GRIT) (Wortmann et al., 2024 ), menawarkan peluang untuk menerapkan metode pembagian debit berbasis lebar di berbagai sistem sungai, yang berpotensi meningkatkan upaya pemantauan debit sungai global. Secara khusus, misi satelit Surface Water and Ocean Topography (SWOT) menawarkan peluang baru untuk mengukur elevasi permukaan air dan debit sungai secara global menggunakan interferometri radar pita Ka resolusi tinggi (Biancamaria et al., 2016 ; Pavelsky et al., 2014 ). Surface Water and Ocean Topography mengukur elevasi permukaan air, lereng, dan lebar saluran sungai (Frasson et al., 2017 ) dan memperkirakan debit sungai dari pengukuran ini menggunakan algoritma konservasi massa (Durand et al., 2016 ; Durand et al., 2023 ; Frasson et al., 2021 ; Gleason & Durand, 2020 ). Namun, SWOT terbatas pada pengukuran saluran tunggal di sepanjang garis tengah yang telah ditentukan yang disimpan dalam SWOT River Database (SWORD) (Altenau et al., 2021 ) dan tidak memperhitungkan partisi aliran hilir di sebagian besar percabangan. Oleh karena itu, estimasi independen mengenai pembagian debit di lokasi tersebut akan meningkatkan perolehan debit SWOT, serta pemahaman terkini tentang transportasi air, sedimen, dan nutrisi dalam sistem sungai multi-saluran secara lebih umum.
Dalam studi ini, kami menguji konsep penggunaan lebar saluran dan kelokan yang diindra dari jauh untuk memperkirakan pembagian debit pada percabangan sungai. Kami mengembangkan model berbasis lebar sederhana dan menerapkannya pada 27 percabangan di 11 sungai di seluruh dunia. Dengan memanfaatkan pengukuran lebar saluran dan kelokan yang diperoleh dari satelit, kami memperkirakan rasio debit dan memvalidasi prediksi ini secara independen terhadap pengamatan debit in-situ, serta menilai keakuratan pendekatan penginderaan jauh ini.
2 Data dan Metode
2.1 Data Survei Geologi AS
Basis data HYDRoSWOT (HYDRoacoustic data set in support of Surface Water Ocean Topography satellite) terdiri dari lebih dari 200.000 rekaman properti saluran sungai dan debit dari ∼10.000 stasiun pengukur United States Geological Survey (USGS) di Amerika Serikat (Canova et al., 2016 ). Set data mencakup beragam parameter termasuk lebar permukaan air, kecepatan rata-rata, kedalaman rata-rata, dan debit dari pengukuran lapangan acoustic doppler current profiler (ADCP). Kami memperoleh hubungan empiris antara debit ( Q ) dan lebar, kecepatan, dan kedalaman dari set data ini. Set data awal terdiri dari 10.081 stasiun pengukur USGS yang mencakup semua jenis sungai dari semua 50 negara bagian. Setelah menyaring nilai rongga dari pengukuran ADCP untuk lebar, kecepatan, dan kedalaman, dan mengecualikan stasiun pengukuran dengan kurang dari lima pengukuran (kurang dapat diandalkan untuk analisis regresi), data dari 5.740, 5.752, dan 2.872 stasiun pengukuran digunakan untuk memperoleh hubungan antara debit dan lebar, kecepatan, dan kedalaman, masing-masing.
2.2 Lokasi Penelitian dan Pengukuran Lapangan
Kami meneliti 27 percabangan sungai dari 11 sungai di seluruh dunia (Gambar 1a ). Pengukuran debit in situ di 17 percabangan di Kanada dan AS dikumpulkan oleh penulis selama kunjungan lapangan antara tahun 2018 dan 2023 (misalnya, Sungai Athabasca dan Sungai Peace pada tahun 2018, 2019, dan 2023, Sungai Kuskokwim pada tahun 2022, Sungai Saskatchewan pada tahun 2023, silakan lihat deskripsi terperinci dalam berkas excel tambahan). Ketiga jenis percabangan tersebut dimasukkan dalam penelitian, yaitu palang tengah saluran, loop percabangan-pertemuan, dan cabang-cabang cabang (Gambar 1b dan 1c ). Di sini, palang tengah saluran merupakan endapan sedimen stabil yang membentuk palang tengah yang membagi aliran secara simetris di sungai melalui aggradasi di dalam saluran selama pengendapan sedimen, sementara lingkaran percabangan-pertemuan melibatkan lingkaran saluran dinamis tempat aliran terbagi dan bergabung kembali, didorong oleh avulsi dan erosi di luar saluran (Leli et al., 2020 ). Lokasi lapangan terutama merupakan lokasi kalibrasi/validasi data SWOT Tier 1, yang dipilih agar selaras dengan tujuan pemantauan debit global SWOT.
Bahasa Indonesia: Untuk setiap percabangan, kami mengumpulkan pengukuran debit ADCP dari penampang saluran tunggal 50–200 m di hulu simpul percabangan; dan di salah satu (untuk percabangan yang memiliki dua cabang hilir) atau beberapa cabang hilir (di hilir simpul percabangan di Sungai des Rochers, yang memiliki tiga cabang). Setidaknya empat pengukuran debit dikumpulkan di setiap penampang dengan SonTek River Surveyor M9 (kampanye lapangan 2018–2019) atau Teledyne RiverRay (kampanye 2022–2023) ADCP. ADCP dipasang di sisi perahu motor dan dihubungkan ke penerima GNSS (Sistem Satelit Navigasi Global) Septentrio PolaRx5 dengan akurasi tinggi. Kriteria kontrol kualitas yang ketat digunakan untuk mengecualikan pengukuran berkualitas rendah, termasuk memverifikasi bahwa setidaknya dua pengukuran debit per lokasi disetujui dalam 5%, kecepatan perahu cukup lambat, pengambilan sampel yang mencakup setidaknya 70% dari setiap penampang sungai, dan lainnya seperti yang dijelaskan dalam Harlan et al. ( 2021 ) dan B. Wang et al. ( 2023 ).
Pengukuran debit in situ untuk 10 percabangan lainnya diperoleh dari publikasi sebelumnya untuk Sungai Rhine (Frings & Kleinhans, 2008 ), Sungai Parana (Szupiany et al., 2012 ), Sungai Amazon (Frias et al., 2015 ), Sungai Mekong (Hackney et al., 2018 ), Sungai Yangtzer (D. Wang et al., 2019 ), dan Sungai Mezcalapa (Mendoza et al., 2022 ). Profiler arus doppler akustik juga merupakan alat utama yang digunakan untuk pengukuran debit di percabangan ini.
2.3 Lebar Saluran dan Sinusitas yang Diindera dari Jarak Jauh
Untuk memperkirakan lebar aliran saluran sungai dan kelokan, citra satelit diperoleh sedekat mungkin (0–30 hari, excel tambahan) dengan tanggal pengukuran debit in-situ. Sebagian besar percabangan studi (19 dari 27) dicitrakan oleh data Planet resolusi 3 m, sementara yang lain dicakup oleh citra Landsat-5/7 (7 percabangan) dan RapidEye (1 percabangan). Lebar saluran dan kelokan diukur dari citra menggunakan ArcGIS Pro. Kelokan saluran dihitung sebagai rasio panjang saluran (diukur sepanjang garis tengah) dengan jarak garis lurus antara titik akhir setiap segmen sungai. Untuk setiap percabangan, pertama-tama kami mendigitalkan luas permukaan air dan garis tengah cabang secara manual sebagai poligon dan poliline, masing-masing, dengan lebar yang sesuai dihasilkan menggunakan fungsi “Buat Transek Sepanjang Garis” (Gambar 1b–1d ). Jarak antar transek ditetapkan pada 10% dari lebar cabang yang lebih kecil di pintu masuk untuk meningkatkan ketersediaan data dalam analisis sensitivitas (lihat Bagian 2.5 ). Fungsi “Pairwise Clip” kemudian digunakan untuk memotong garis lebar yang dihasilkan oleh poligon cabang. Terakhir, panjang dihitung untuk garis lebar yang dipotong menggunakan fungsi “Calculate Geometry Attributes”.
2.4 Metrik Kesalahan
Asimetri pembagian debit antara cabang hilir a dan b pada masing-masing simpul bifurkasi diukur menggunakan metrik Ψ (Buschman et al., 2010 ; Hariharan et al., 2022 ):
Di mana Qa Dan Qb adalah debit di cabang hilir a dan b , masing-masing. Nilai Ψ = 0 menunjukkan pembagian aliran yang sama antara dua saluran yang bercabang dua. Nilai Ψ yang mendekati satu, menandakan sangat asimetris dengan semua aliran memasuki satu saluran. Metrik kesalahan, E Ψ , didefinisikan sebagai:
di mana E Ψ mengukur proporsi debit yang memasuki percabangan yang diarahkan secara tidak benar. Ketika E Ψ sama dengan nol, estimasi pembagian aliran di percabangan tersebut selaras dengan pembagian in-situ. Nilai E Ψ yang lebih tinggi menunjukkan proporsi aliran yang salah arah yang lebih besar. Misalnya, E Ψ sebesar 0,1 menunjukkan bahwa estimasi pembagian tersebut secara tidak akurat mengarahkan 10% aliran di percabangan. E Ψ negatif menunjukkan estimasi debit yang terlalu tinggi di cabang yang relatif lebih kecil atau estimasi debit yang terlalu rendah di cabang yang lebih besar.
2.5 Analisis Sensitivitas
Analisis sensitivitas digunakan untuk mengidentifikasi lokasi optimal di sepanjang sungai untuk menerapkan estimasi partisi berbasis lebar. Untuk setiap lokasi di sepanjang garis tengah yang ditunjukkan pada Gambar 1e–1g , sepasang lebar saluran dari dua cabang bercabang dapat digunakan untuk menghitung E Ψ
Dengan memplot dan membandingkan E Ψ sepanjang saluran, lokasi untuk estimasi pembagian debit optimal menggunakan parameter yang diindera dari jarak jauh ditentukan.
3 Hasil
3.1 Hubungan Empiris Lebar-Debit dari Stasiun Pengukur USGS
Analisis regresi dari ∼150.000 pengukuran ADCP dari ∼5700 stasiun pengukuran USGS menunjukkan bahwa hubungan antara debit dan lebar saluran ( Q = 0,63 × W 1,52 , R 2 = 0,76, Gambar S1 dalam Informasi Pendukung S1 ) lebih kuat daripada hubungan yang sesuai antara debit dan kecepatan aliran ( Q = 3237,97 × V 0,45 , R 2 = 0,22) atau kedalaman saluran ( Q = 2222,83 × D 0,33 , R 2 = 0,48). Ini menunjukkan bahwa rata-rata, ∼76% dari variabilitas dalam debit dikaitkan dengan variasi lebar, yang menunjukkan peran dominan lebar saluran dalam menentukan karakteristik debit untuk banyak sungai. Hubungan empiris ini secara efektif mewakili geometri hidrolik hilir, yang menggambarkan bagaimana lebar saluran, kecepatan, dan kedalaman bervariasi secara sistematis dengan debit di daerah hilir sungai. Model sederhana Q = 0,63 × W 1,52 dengan demikian menawarkan cara sederhana untuk memperkirakan rasio debit pada cabang-cabang bifurkasi berdasarkan lebar saluran yang diindera dari jauh. Kami menyebutnya metode persamaan lebar.
3.2 Estimasi Rasio Debit untuk Saluran Bercabang
Persamaan lebar yang ditunjukkan di Bagian 3.1 memiliki kinerja terbaik dalam memperkirakan rasio debit di dua cabang hilir dari percabangan ( R 2 = 0,82, Gambar 2b ). Meskipun rasio Q yang diperkirakan menggunakan lebar saluran yang diukur secara langsung juga dapat memperkirakan rasio debit dengan baik (yaitu, Q 1 / Q 2 = W 1 / W 2 , R 2 = 0,80, Gambar 2a ), ia memperkirakan debit secara berlebihan, terutama untuk percabangan dengan debit asimetris ( rasio Q kurang dari 0,5, di sini nilai rasio Q satu menunjukkan bahwa dua cabang memiliki debit yang sama). Metode Lebar × Sinuositas ( R 2 = 0,71, Gambar 2c ) memiliki kemampuan paling rendah untuk memperkirakan rasio debit di antara ketiga metode ini, yang menunjukkan bahwa sinuositas saluran tidak berkontribusi secara signifikan untuk memperkirakan partisi debit. Analisis kesalahan menunjukkan bahwa E Ψ rata-rata adalah -0,03 (Simpangan Baku = 0,06) untuk metode persamaan lebar, sedangkan untuk metode lebar × kelokan dan lebar, masing-masing adalah -0,09 (SD = 0,06) dan -0,07 (SD = 0,07) (Gambar 2d ). Hasilnya menunjukkan bahwa metode persamaan lebar menghasilkan estimasi pembagian aliran yang paling akurat, dengan E Ψ rata-rata -0,03, yang menunjukkan hanya sedikit estimasi berlebihan debit di cabang yang lebih kecil.
3.3 Lokasi Optimal untuk Pengambilan Lebar
Analisis sensitivitas kami menunjukkan bahwa menggunakan lebar saluran rata-rata dari 10 pengukuran pertama hilir pintu masuk cabang (Gambar 1b ) menghasilkan estimasi pembagian debit yang paling akurat (Gambar 3 dan Gambar S2 dalam Informasi Pendukung S1 ). Pengukuran ini, berjarak 0,1 kali lebar pintu masuk cabang yang lebih kecil, meminimalkan kesalahan ( E Ψ ), yang meningkat saat menggunakan lebar lebih jauh ke hilir (Gambar 3 ). Menguji kinerja prediktif dengan 1, 5, 10, 15, 20, 30, 40, dan 50 lokasi mengonfirmasi bahwa 10 pengukuran pertama memberikan hasil terbaik, dengan nilai R 2 tertinggi (Gambar S2 dalam Informasi Pendukung S1 ).
3.4 Pengecualian terhadap Estimasi Rasio Debit Berbasis Lebar
Beberapa lokasi studi kami menunjukkan bahwa pembagian debit berdasarkan lebar tidaklah efektif ketika percabangan dipengaruhi oleh anak sungai di dekatnya (Gambar 4a ), avulsi (Gambar 4b ), atau beberapa cabang hilir (Gambar 4c dan 4d ). Misalnya, di Sungai Parana (Gambar 4a ) rasio debit yang diestimasikan antara Q 1 dan Q 2 adalah 0,56 berdasarkan metode persamaan lebar tetapi rasio Q 1 / Q 2 yang diukur in-situ adalah 0,82 (Tabel S1 dalam Informasi Pendukung S1 ), mungkin karena efek aliran balik yang disebabkan oleh anak sungai, yang mendorong air keluar dari cabang dan membentuk Q 2 yang berkurang . Di Sungai Athabasca (Gambar 4b ) saluran Q 1 yang jauh lebih lebar (yaitu, 465 m) memiliki debit 387 m 3 s −1 , sementara saluran Q 2 yang lebih sempit (yaitu, 178 m) memiliki debit yang lebih besar yaitu 533 m 3 s −1 , menghasilkan rasio Q 1 / Q 2 sebenarnya sebesar 0,73 versus 4,3 dari metode persamaan lebar (Tabel S1 dalam Informasi Pendukung S1 ). Selama pengukuran in-situ di lokasi ini pada tahun 2023, kami menemukan bahwa saluran Q 1 yang lebar terisi dengan sedimen, membuatnya terlalu dangkal untuk pengukuran ADCP. Sebuah studi baru-baru ini menemukan bahwa pengisian saluran ini disebabkan oleh avulsi aliran Sungai Athabasca yang semakin besar melalui Q 2 (B. Wang et al., 2023 ). Percabangan Sungai Amazon terbagi menjadi empat saluran (Gambar 4c ), dan rasio debit berbasis lebar di antara berbagai kombinasi saluran tidak mereplikasi pengukuran in situ (Tabel S1 dalam Informasi Pendukung S1 ). Situasi serupa terjadi di Sungai des Rochers (Gambar 4d , Tabel S1 dalam Informasi Pendukung S1 ). Studi kasus ini menunjukkan bahwa metode berbasis lebar tidak akurat untuk memperkirakan rasio debit di percabangan sungai yang dipengaruhi oleh efek anak sungai, avulsi, atau beberapa cabang hilir.
4 Diskusi dan Kesimpulan
Hasil kami mengonfirmasi hipotesis bahwa lebar saluran yang diindra dari jauh dan kelokan dapat digunakan untuk memperkirakan pembagian debit di percabangan sungai, dengan korelasi kuat antara pengukuran in-situ dan estimasi yang diperoleh dari penginderaan jauh, khususnya bila didasarkan pada lebar saluran ( R 2 = 0,82, E Ψ = −0,03). Persamaan lebar-debit dari data USGS mengungguli metode lebar langsung atau lebar × kelokan. Analisis sensitivitas kami (Gambar 3 dan Gambar S2 dalam Informasi Pendukung S1 ) menunjukkan 10 pengukuran lebar langsung pertama per cabang memberikan pembagian debit yang optimal. Ini akan sangat membantu untuk penerapan metode berbasis lebar ini di sungai lain. Lokasi optimal ini selaras dengan prinsip bahwa area hilir langsung dari simpul percabangan adalah tempat aliran paling langsung dipengaruhi oleh percabangan itu sendiri (Bolla Pittaluga et al., 2003 ; Kleinhans et al., 2008 ; Miori et al., 2006 ). Pada titik ini, lebar saluran secara langsung sesuai dengan pembagian aliran antara cabang-cabang, karena mencerminkan partisi debit awal yang sebenarnya sebelum faktor-faktor hilir seperti penyesuaian saluran lokal, pengendapan sedimen, atau erosi mengubah hubungan antara lebar dan debit (Kleinhans et al., 2008 ). Oleh karena itu, lebar yang diukur paling dekat dengan simpul percabangan lebih mungkin untuk menangkap rasio debit yang akurat, meminimalkan efek perancu dari perubahan morfologi hilir.
Berbeda dengan penelitian sebelumnya dalam jaringan saluran delta, hasil kami menunjukkan bahwa penyertaan sinuositas tidak memperbaiki estimasi pembagian aliran dalam percabangan sungai. Dong et al. ( 2020 ) menemukan bahwa penyertaan sinuositas saluran, selain lebar, dapat sedikit memperbaiki estimasi pembagian debit dalam jaringan delta, mengurangi margin kesalahan secara marginal (dari Root Mean Square Error (RMSE) 0,20 menjadi 0,19). Hariharan et al. ( 2022 ) juga menemukan bahwa pengurangan RMSE dari 0,134 ketika menggunakan lebar rata-rata untuk membagi aliran, menjadi 0,128 ketika membagi dengan produk lebar dan sinuositas. Namun, penelitian kami menemukan bahwa sinuositas tidak memperbaiki estimasi debit dalam percabangan sungai. Dengan memasukkan sinuositas, R2 berkurang dari 0,82 menjadi 0,71, sedangkan R2 absolut berkurang dari 0,82 menjadi 0,71. E Ψ meningkat dari 0,03 menjadi 0,07, yang menunjukkan sedikit peningkatan dalam rute aliran yang salah (Gambar 2 ). Hal ini menunjukkan bahwa meskipun kelokan mungkin merupakan faktor penting dalam sistem delta yang kompleks di mana jalur aliran dipengaruhi oleh dinamika sedimen dan beberapa jalur aliran (Dong et al., 2020 ), hal ini kurang relevan dalam percabangan di mana aliran tetap lebih linier dan dapat diprediksi.
Sementara SWOT menawarkan estimasi debit untuk lebih dari 120.000 daerah aliran sungai yang lebih lebar dari 50 m secara global (Durand et al., 2023 ), SWOT tidak memperhitungkan pemisahan aliran di sebagian besar percabangan sungai. Metode kami berpotensi menjembatani kesenjangan ini dengan memberikan estimasi rasio debit sebelumnya untuk saluran di hilir percabangan. Karena lebih dari 50% sungai besar merupakan sistem percabangan (B. Wang et al., 2022 ), ini akan secara substansial meningkatkan realisme pengambilan debit SWOT di sepanjang berbagai sistem sungai secara global di mana percabangan memainkan peran penting dalam transportasi sedimen, pola erosi, dan ekosistem riparian.
Beberapa keterbatasan diidentifikasi dalam pendekatan yang dijelaskan. Debit absolut tidak dapat diambil, hanya rasio debit antara cabang. Lebih jauh, pendekatan ini tidak efektif untuk percabangan di mana anak sungai, avulsi, atau beberapa cabang hilir memperkenalkan kondisi aliran yang tidak ditangkap oleh estimasi berbasis lebar. Pemantauan in-situ jangka panjang tetap diperlukan untuk menangkap hubungan dinamis antara debit dan morfologi saluran, khususnya di lingkungan di mana percabangan tunduk pada perubahan geomorfologi yang cepat. Lebih jauh, analisis ini didasarkan pada sampel yang relatif kecil dari 27 percabangan di 11 sungai, yang dapat berkontribusi pada variabilitas dalam metrik kinerja, seperti sedikit perbedaan dalam R 2 antara metode lebar langsung ( R 2 = 0,80, Gambar 2a ) dan metode persamaan lebar ( R 2 = 0,82, Gambar 2b ). Sementara hasil kami kuat untuk situs yang dipelajari, studi masa depan dengan set data yang lebih besar dapat lebih memvalidasi dan menggeneralisasi temuan ini.
Meskipun ada keterbatasan ini, studi ini menyajikan metodologi sederhana untuk memperkirakan pembagian debit pada percabangan sungai menggunakan lebar saluran yang diindra dari jauh di cabang hilir untuk lebar saluran ∼1 pertama di bawah simpul percabangan. Pendekatan ini menghasilkan solusi yang andal dan terukur untuk memperkirakan fraksi debit untuk 23 dari 27 percabangan (85%) yang dipelajari di sini dengan pengamatan in situ. Ketika dikombinasikan dengan data debit dari satelit SWOT, metode kami dapat memperluas perkiraan debit ke saluran yang lebih kecil, meningkatkan pemahaman tentang proses kritis penyebaran aliran dan transportasi sedimen melalui sistem sungai yang bercabang. Pekerjaan di masa mendatang dapat menyempurnakan metode untuk percabangan yang lebih kompleks, termasuk mengintegrasikan kemiringan permukaan air (WSS) SWOT ke dalam model hidrodinamik untuk meningkatkan perkiraan pembagian aliran, khususnya untuk percabangan dengan beberapa cabang hilir.
