Improving process representation in conceptual hydrological model calibration using climate simulations
Notice bibliographique
Résumé
Abstract Different sets of calibrated model parameters can yield divergent hydrological simulations which in turn can lead to different operational decisions or scientific conclusions. In order to obtain reliable hydrological results, proper calibration is therefore fundamental. This article proposes a new calibration approach for conceptual hydrological models based on the paradigm that hydrological process representation, along with the reproduction of observed streamflows, need to be taken into account when assessing the performance of a hydrological model. Several studies have shown that complementary data can be used to improve hydrological process representation and make hydrological modeling more robust. In the current study, the process of interest is actual evapotranspiration (AET). In order to obtain a more realistic representation of AET, meteorological variables and the AET mean annual cycle simulated by a regional climate model (RCM) driven by reanalysis are used to impose constraints during the optimization procedure. This calibration strategy is compared to a second strategy which relies on AET derived from reference data and to the classical approach based solely on the reproduction of observed discharges. The different methodologies are applied to calibrate the lumped conceptual model HSAMI, used operationally at Hydro‐Québec, for six Canadian snow‐dominated basins with various hydrometeorological and physiographical characteristics.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».