A new empirical model of sub-daily rainfall intensity and its application in a rangeland biophysical model
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.
Notice bibliographique
Résumé
Sub-daily rainfall intensity has a significant impact on runoff and erosion rates in northern Australian rangelands. However, it has been difficult to include sub-daily rainfall intensity in rangeland biophysical models using historical climate data due to the limited number of pluviograph stations with long-term records. In this paper a new empirical model (‘Temperature I15’ model) was developed to predict the daily maximum 15-min rainfall intensity (I15) using daily minimum and maximum temperature and daily rainfall totals from 12 selected pluviograph stations across Australia. The ‘Temperature I15’ model accounted for 46% (P < 0.01) of the variation in observed daily I15 for an independent validation dataset derived from 67 Australia-wide pluviograph stations and represented both geographical and seasonal variability in I15. The model also accounted for 70% (P < 0.01) of the variation in the observed historical trend in I15 for the full record period (average record period was 37 years) of 73 Australia-wide pluviograph stations. The ‘Temperature I15’ model was found to be an improvement on a past empirical model of I15 and can be easily implemented in biophysical models by using readily available daily climate data. However, as the ‘Temperature I15’ model only represented 46% of the variation in daily observed I15, the model is best used in simulation studies on ‘timeframes’ in excess of 5 years. The new ‘Temperature I15’ model was implemented in the runoff equation of the Australia-wide spatial pasture growth model AussieGRASS, which predicts daily water balance and pasture growth for 185 different pasture communities. This resulted in an improved simulation of green cover for 71% of pasture communities but was worse for 25% of communities, with no change for 4% of communities.
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 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 découle