Hydrological model uncertainty due to precipitation‐phase partitioning methods
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».