Nonstationary Analysis of Annual Maximum Streamflow of Canada
Notice bibliographique
Résumé
Abstract Both natural climate change and anthropogenic impacts may cause nonstationarities in hydrological extremes. In this study, long-term annual maximum streamflow (AMS) records from 145 stations over Canada were used to investigate the nonstationary characteristics of AMS, which include abrupt changes and monotonic temporal trends. The nonparameteric Pettitt test was applied to detect abrupt changes, while temporal monotonic trend analysis in AMS series was conducted using the nonparameteric Mann–Kendall and Spearman tests, as well as a parametric Pearson test. Nonstationary frequency analysis of the AMS series was done using a group of nonstationary probability distributions. The nonstationary characteristics of Canadian AMS were further investigated in terms of the Hurst exponent (H), which represents the long-term persistence (LTP) of streamflow data. The results presented here indicate that for Canadian AMS data, abrupt changes are detected more frequently than monotonic trends, partly because many rivers began to be regulated in the twentieth century. Drainage basins that have experienced significant land-use changes are more likely to show temporal trends in AMS, compared to pristine basins with stable land-use conditions. The nonstationary characteristics of AMS were accounted for by fitting the data with probability distributions with time-varying parameters. Large H found in almost ⅔ of the Canadian AMS dataset indicates strong LTP, which may partly represent the presence of long-term memories in many Canadian river basins. Furthermore, H values of AMS data are positively correlated with the basin area of Canadian rivers. It seems that nonstationary frequency analysis, instead of the traditional stationary hydrologic frequency analysis, should be employed in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».