A comparison study on distributed hydrological modelling of a subarctic wetland system
Notice bibliographique
Résumé
Wetlands occupy 14% of the Canadian territory and mainly exist as bogs, fens, swamps, marshes, and shallow water. Recently, arctic and subarctic wetlands have attracted much attention due to their unique hydrological characteristics, and vulnerability to climate condition changes. To gain insight of the interactions between hydrology and atmosphere of the second largest wetland in Canada - the Hudson Bay Lowlands (HBL), extensive field investigations were conducted from 2006 to 2008 in the Deer River watershed near Churchill, Manitoba, Canada. Hydrologic and geographic conditions, such as frost table, soil moisture and temperature, and streamflow were monitored to advance the understanding of the wetland systems. Following up the field investigation, two semi-distributed hydrological models, Semi-distributed Land Use-based Runoff Processes (SLURP) and WATFLOOD, were employed to simulate the water cycle in the Deer River watershed. They were further compared from the aspects of modelling structures, formulations, parameters, and simulation results. Regardless the distinct simulation concepts (i.e., aggregated simulation area in SLURP and group response unit in WATFLOOD), the results indicated that snowmelt and peaks of spring runoffs simulated by SLURP were earlier than those simulated by WATFLOOD. This may be explained by the exponentially increasing snowmelt rate adopted by SLURP. Lack of considering the existence of permafrost and seasonal ponds in both models tended to underestimate the peaks of spring runoffs. It was also observed that the Morton CRAE method used in SLURP slightly underestimated the summertime evapotranspiration, meanwhile it was overestimated by the Hargreaves Equation employed in WATFLOOD. This study not only helped to fill the knowledge gaps in how well the two widely used models could fit the requirements of subarctic wetlands modelling, but also showed their strength and limitations as well as the potential for improvement.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».