Implications of heterogeneous flood‐frequency distributions on traditional stream‐discharge prediction techniques
Notice bibliographique
Résumé
Abstract Traditional flood‐frequency analysis involves the assumption of homogeneity of the flood distribution. However, floods are often generated by heterogeneous distributions composed of a mixture of two or more populations. Differences between the populations may be the result of a number of factors, including seasonal variations in the flood‐producing mechanisms, changes in weather patterns resulting from low‐frequency climate shifts and/or El Niño/La Nina oscillations, changes in channel routing owing to the dominance of within‐channel or floodplain flow, and basin variability resulting from changes in antecedent soil moisture. Not recognizing these physical processes in conventional flood‐frequency analysis probably is the main reason that many frequency distributions do not provide an acceptable fit to flood data. In this paper, we use long‐term hydroclimatic records from the Gila River basin of south‐east and central Arizona in the USA to explore the extent and significance of mixed populations. First, we discuss the probable causes of heterogeneity in the frequency distribution of annual flood and present evidence of its occurrence. Second, we investigate the implications of using various popular homogeneous distributions for predicting peak flows for basins that exhibit mixed population characteristics. Third, we demonstrate how alternative frequency models that explicitly account for floods generated by a mixture of two or more populations are both hydrologically and statistically more appropriate. We illustrate how the selection of the most plausible distribution for flood‐frequency analysis also should be based on hydrological reasoning as opposed to the sole application of the traditional statistical goodness‐of‐fit tests. Copyright © 2002 John Wiley & Sons, Ltd.
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 | 0,011 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».