MétaCan
Menu
Retour à la cohorte
Enregistrement W1983795342 · doi:10.1111/gwat.12143

Channel Representation in Physically Based Models Coupling Groundwater and Surface Water: Pitfalls and How to Avoid Them

2014· article· en· W1983795342 sur OpenAlexaff
Daniel Käser, Tobias Graf, Fabien Cochand, Rob McLaren, René Therrien, Philip Brunner

Notice bibliographique

RevueGround Water · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensGolder Associates (Canada)Université Laval
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésOverbankChannel (broadcasting)FloodplainHydrology (agriculture)Context (archaeology)GeologyGroundwaterSTREAMSGroundwater flowRemote sensingComputer scienceGeomorphologyGeographyAquiferCartographyGeotechnical engineeringFluvial

Résumé

récupéré en direct d'OpenAlex

Recent models that couple three-dimensional subsurface flow with two-dimensional overland flow are valuable tools for quantifying complex groundwater/stream interactions and for evaluating their influence on watershed processes. For the modeler who is used to defining streams as a boundary condition, the representation of channels in integrated models raises a number of conceptual and technical issues. These models are far more sensitive to channel topography than conventional groundwater models. On all spatial scales, both the topography of a channel and its connection with the floodplain are important. For example, the geometry of river banks influences bank storage and overbank flooding; the slope of the river is a primary control on the behavior of a catchment; and at the finer scale bedform characteristics affect hyporheic exchange. Accurate data on streambed topography, however, are seldom available, and the spatial resolution of digital elevation models is typically too coarse in river environments, resulting in unrealistic or undulating streambeds. Modelers therefore perform some kind of manual yet often cumbersome correction to the available topography. In this context, the paper identifies some common pitfalls, and provides guidance to overcome these. Both aspects of topographic representation and mesh discretization are addressed. Additionally, two tutorials are provided to illustrate: (1) the interpolation of channel cross-sectional data and (2) the refinement of a mesh along a stream in areas of high topographic variability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,011
Science ouverte0,0040,005
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,020
Tête enseignante GPT0,212
Écart entre enseignants0,192 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGround WaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207