MétaCan
Menu
Retour à la cohorte
Enregistrement W2157541154 · doi:10.2166/wqrjc.2013.044

Comparison of CANWET and HSPF for water budget and water quality modeling in rural Ontario

2013· article· en· W2157541154 sur OpenAlexaffabout
S. I. Ahmed, Amanjot Singh, Ramesh Rudra, Bahram Gharabaghi

Notice bibliographique

RevueWater Quality Research Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensCredit Valley HospitalUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceSurface runoffHydrology (agriculture)Nonpoint source pollutionWatershedWater qualityEvapotranspirationDrainage basinSedimentStructural basinGeographyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

This study comparatively evaluates the Hydrological Simulation Program-FORTRAN (HSPF) model and the Canadian ArcView Nutrient and Water Evaluation Tool (CANWET) for non-point source pollution (NPS) management in rural Ontario watersheds. Both models were calibrated, validated, and applied to a 52 km2 headwater rural watershed known as the Canagagigue Creek near Elmira in the Grand River basin, Ontario, Canada. A comparison of the simulated and observed values for stream flow, surface runoff, subsurface runoff, evapotranspiration, and sediment yield showed that (Better Assessment Science Integrating Point and Nonpoint Sources) BASINS/HSPF and CANWET models have similar capabilities to simulate various hydrological processes at the watershed scale. The seasonal stream flow comparison between observed and simulated values from HSPF and CANWET showed Nash-Sutcliffe efficiency (Nash-E) coefficients of 0.80 and 0.72, respectively. The monthly comparison between the simulated and observed stream flow yielded Nash-E coefficients of 0.88 and 0.94 for HSPF and CANWET, respectively. Overall, both models predicted the components of the annual, seasonal, and monthly water budget accurately. There was a considerable difference in the monthly simulated sediment yield by both models. This difference is consistent with the surface runoff variation predicted by both models. Both models predicted sediment yield with early winter and spring storms which is typical for southern Ontario.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,174
Tête enseignante GPT0,413
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetHydrology and Watershed Management StudiesTravaux en français237 207