A Comparison of DRAINMOD and SWAT for Surface Runoff and Subsurface Drainage Flow Prediction at the Field Scale for a Cold Climate
Notice bibliographique
Résumé
Tile drainage reduces surface runoff, soil erosion and improves crop yields, but contributes to the loss of nutrients from agricultural fields. Therefore, it is important to accurately predict the field-scale hydrology in order to better manage water resources and ensure environmental sustainability. In this study, two widely used models, DRAINMOD and the Soil and Water Assessment Tool (SWAT), were calibrated and validated for hydrology of two tile-drained agricultural fields in the Pike River watershed of Southern Quebec. The hydrologic performance of DRAINMOD and SWAT was compared for cold-climate conditions and evaluated at seasonal and monthly time scales. Three years of hydrologic data served to calibrate and validate the model, with the year 2002/03 being used for calibration and 2004 for validation. Model predictions of surface runoff and subsurface drainage flow were compared with the measured surface runoff and subsurface drainage flow values from the two instrumented study sites. The comparison of two models was established based on their prediction accuracy. In the calibration period, DRAINMOD overestimated cumulative subsurface drainage outflow by 5 %, and SWAT underestimated cumulative subsurface drainage outflow by 26%. In the validation period, DRAINMOD was found more successful than SWAT in subsurface drainage flow prediction with R2 greater than 0.82 for both sites. Also, the prediction error statistics indicated clearly that the DRAINMOD performed well in predicting subsurface drainage outflows with different soil type in cold climatic conditions. However, the SWATs performance model in simulating total monthly surface runoff was better than DRAINMOD during the validation period with R2 greater than 0.88. The results of this study showed that DRAINMOD was better than SWAT at simulating field scale hydrology in most cases. Additionally, the calibration of SWAT required more effort and input data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».