Sub‐grid scale parameterization of hillslope runoff and erosion processes for catchment‐scale models of semi‐arid landscapes
Notice bibliographique
Résumé
Abstract The processes of hillslope runoff and erosion are typically represented at coarse spatial resolution in catchment‐scale models due to computational limitations. Such representation typically fails to incorporate the important effects of topographic heterogeneity on runoff generation, overland flow, and soil erosion. These limitations currently undermine the application of distributed catchment models to understand the importance of thresholds and connectivity on hillslope and catchment‐scale runoff and erosion, particularly in semi‐arid environments. This paper presents a method for incorporating high‐resolution topographic data to improve sub‐grid scale parameterization of hillslope overland flow and erosion models. Results derived from simulations conducted using a kinematic wave overland flow model at 0.5 m spatial resolution are used to parameterize the depth–discharge relationship in the overland flow model when applied at 16 m resolution. The high‐resolution simulations are also used to derive a more realistic parameterization of excess flow shear stress for use in the 16 m resolution erosion model. Incorporating the sub‐grid scale parameterization in the coarse‐resolution model (16 m) leads to improved predictions of overland flow and erosion when evaluated using results derived from high‐resolution (0.5 m) model simulations. The improvement in performance is observed for a range of event magnitudes and is most notable for erosion estimates due to the non‐linear dependency between the rates of erosion and overland flow. Copyright © 2013 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».