Effectiveness of Multi-Site Weather Generator for Hydrological Modeling1
Notice bibliographique
Résumé
Khalili, Malika, François Brissette, and Robert Leconte, 2011. Effectiveness of Multi-site Weather Generator for Hydrological Modeling. Journal of the American Water Resources Association (JAWRA) 1-12. DOI: 10.1111/j.1752-1688.2010.00514.x Abstract: A multi-site weather generator has been developed using the concept of spatial autocorrelation. The multi-site generation approach reproduces the spatial autocorrelations observed between a set of weather stations as well as the correlations between each pair of stations. Its performance has been assessed in two previous studies using both precipitation and temperature data. The main objective of this paper is to assess the efficiency of this multi-site weather generator compared to a uni-site generator with respect to hydrological modeling. A hydrological model, known as Hydrotel, was applied over the Chute du Diable watershed, located in the Canadian province of Quebec. The distributed nature of Hydrotel accounts for the spatial variations throughout the watershed, and thus allows a more in-depth assessment of the effect of spatially dependent meteorological input on runoff generation. Simulated streamflows using both the multi-site and uni-site generated weather data were statistically compared to flows modeled using observed data. Overall, the hydrological modeling using the multi-site weather generator significantly outperformed that using the uni-site generator. This latter combined to Hydrotel resulted in a significant underestimation of extreme streamflows in all seasons.
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 | 0,001 | 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 ».