MétaCan
Menu
Retour à la cohorte
Enregistrement W1995493126 · doi:10.4236/jwarp.2015.74026

Predicting Hourly Stream Temperatures Using the Equilibrium Temperature Model

2015· article· en· W1995493126 sur OpenAlexafffund
Cindie Hébert, Daniel Caissie, Mysore G. Satish, Nassir El‐Jabi

Notice bibliographique

RevueJournal of Water Resource and Protection · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensDalhousie UniversityFisheries and Oceans CanadaUniversité de Moncton
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSnowmeltEnvironmental scienceAir temperatureThermodynamic equilibriumRiver ecosystemMean radiant temperatureHydrology (agriculture)Atmospheric sciencesSnowMeteorologyEcosystemClimate changeThermodynamicsEcologyPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Water temperature is a key physical habitat determinant in lotic ecosystems as it influences many physical, chemical and biological properties of rivers. Hence, a good understanding of the thermal regime of rivers is essential for effective management of water and fisheries resources. This study deals with the modeling of hourly stream water temperature using the equilibrium temperature model. This water temperature model was applied on two thermally different watercourses, namely, the Little Southwest Miramichi River (LSWM) and Catamaran Brook (CatBk; New Brunswick). The equilibrium temperature model is a simplified version of a deterministic model. As such, in the equilibrium temperature model the total heat flux at the surface is assumed proportional to the difference between the water temperature and an equilibrium temperature. In the present study, the equilibrium temperature was assumed to vary linearly with hourly air temperature. This study showed that there was a good relationship between the equilibrium and air temperature at the hourly time scale. The root-mean-square error (RMSE) obtained with the hourly equilibrium temperature model was similar to results reported in previous studies with values of 1.05°C (CatBk) and 1.36°C (LSWM). The model’s performance was best in late summer and autumn when water levels were low. In contrast, the presence of snowmelt in the spring resulted in poorer performances. This study also showed good results in estimating the daily mean (Tmean) and maximum (Tmax) water temperatures from the predicted hourly water temperatures, which were often required in fishery management.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,224
Écart entre enseignants0,201 · 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
GenreEmpirique

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

En bref

Citations15
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resource and ProtectionMême sujetFish Ecology and Management StudiesTravaux en français237 207