Long-Term Study of Lake Evaporation and Evaluation of Seven Estimation Methods: Results from Dickie Lake, South-Central Ontario, Canada
Notice bibliographique
Résumé
Establishing satisfactory calculation methods of lake evaporation has been crucial for research and manage-ment of water resources and ecosystems. A 30 year dataset from Dickie Lake, south-central Ontario, Canada added to the limited long-term studies on lake evaporation. Evaporation during ice-free season was calcu-lated separately using seven evaporation methods, based on field meteorology, hydrology and lake water temperature data. Actual evaporation determined during a portion of a year was estimated using a lake en-ergy budget model, and the estimation was used as reference evaporation for evaluation of the seven methods. The deviation of method-induced evaporation from the reference evaporation was compared among the seven methods, and a performance rank was proposed based on the root mean squared deviation and coeffi-cient of efficiency. As for the whole ice-free season (roughly May to November), the water balance was the best method, followed by Makkink, DeBruin-Kejiman, Penman, Priestley-Taylor, Hamon, and Jensen-Haise methods. As for shorter duration (a week to a month), the DeBruin-Kejiman was the best method, followed by Penman, Priestley-Taylor, Makkink, Hamon, Jensen-Haise, and water balance method. Annual and sea-sonal changes of energy budget terms and the compensation function of lake heat storage in evaporation flux were also analyzed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».