MétaCan
Menu
Retour à la cohorte
Enregistrement W1509500453 · doi:10.1002/hyp.10214

Hydrological model uncertainty due to precipitation‐phase partitioning methods

2014· article· en· W1509500453 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueHydrological Processes · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental scienceSnowPrecipitationWater cycleStreamflowRange (aeronautics)HydrometeorologyUncertainty analysisHumidityEmpirical modellingClimatologyMeteorologyAtmospheric sciencesDrainage basinComputer scienceMathematicsStatisticsGeologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Precipitation‐phase partitioning methods (PPMs) that are used in simulating cold‐region hydrological processes vary significantly. Typically, PPMs are based on empirical algorithms that are driven by readily available near‐surface air temperature but ignore the physical processes controlling precipitation phase by not incorporating humidity. Because these lack any physical basis, there is uncertainty in their spatial and temporal transferability. Recently, humidity‐based methods that have a stronger physical basis and smaller uncertainty have been developed. To quantify the uncertainty that empirical PPMs introduce into hydrological simulations, a cold‐region hydrological modelling platform was used with a physically based PPM and a selection of empirical PPMs to calculate a set of snow regime and streamflow regime indices. The empirical PPMs included a single air temperature threshold and a double air temperature threshold, whereas the physically based PPM used a psychrometric energy balance model. All calculations were run with near‐surface meteorological observations that typically drive hydrological models. Intercomparison of the hydrological responses to the PPMs highlighted substantial differences between the wide range of responses to empirical algorithms and the very small uncertainty due to physically based methods. Uncertainty of hydrological processes, quantified by simulating over a range of air temperature thresholds, reached 20% for the rainfall fraction, 0.4 mm/day for basin discharge, 160 mm of peak snow water equivalent, 36 days for hydrological uncertainty snow cover duration, 26 days for snow‐free date and 10 days for peak discharge date. The implication of this research is that the reduced uncertainty derived from implementing physically based PPMs, for operational or research purposes, are greatest for snowpack prediction in mountain basins. However for streamflow discharge calculations, the reduced uncertainty was greatest in prairie and alpine basins due to the additional effects of precipitation phase calculations on frozen soil infiltration and summer snowmelt processes respectively. Copyright © 2014 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,062
Tête enseignante GPT0,325
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle