GIBSI: an integrated modelling system for watershed management – sample applications and current developments
Notice bibliographique
Résumé
Abstract. Hydrological and pollutant fate models have long been developed for research purposes. Today, they find an application in integrated watershed management, as decision support systems (DSS). GIBSI is such a DSS designed to assist stakeholders in watershed management. It includes a watershed database coupled to a GIS and accessible through a user-friendly interface, as well as modelling tools that simulate, on a daily time step, hydrological processes such as evapotranspiration, runoff, soil erosion, agricultural pollutant transport and surface water quality. Therefore, GIBSI can be used to assess a priori the effect of management scenarios (reservoirs, land use, waste water effluents, diffuse sources of pollution that is agricultural pollution) on surface hydrology and water quality. For illustration purposes, this paper presents several management-oriented applications using GIBSI on the 6680 km2 Chaudière River watershed, located near Quebec City (Canada). They include impact assessments of: (i) municipal clean water program; (ii) agricultural nutrient management scenarios; (iii) past and future land use changes, as well as (iv) determination of achievable performance standards of pesticides management practices. Current and future developments of GIBSI are also presented as these will extend current uses of this tool and make it useable and applicable by stakeholders on other watersheds. Finally, the conclusion emphasizes some of the challenges that remain for a better use of DSS in integrated watershed management.
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 | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».