System dynamics model for predicting floods from snowmelt in North American prairie watersheds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study uses a system dynamics approach to explore hydrological processes in the geographic locations where the main contribution to flooding is coming from the snowmelt. Temperature is identified as a critical factor that affects watershed hydrological processes. Based on the dynamic processes of the hydrologic cycle occurring in a watershed, the feedback relationships linking the watershed structure, as well as the climate factors, to the streamflow generation were identified prior to the development of a system dynamics model. The model is used to simulate flood patterns generated by snowmelt under temperature change in the spring. Model structure captures a vertical water balance using five tanks representing snow, interception, surface, subsurface and groundwater storage. Calibration and verification results show that temperature change and snowmelt play a key role in flood generation. Results indicate that simulated values match observed data very well. The goodness‐of‐fit between simulated and observed peak flow data is measured using coefficient of efficiency, coefficient of determination and square of the residual mass curve coefficient. For the Assiniboine River all three measures were in the interval between 0·92 and 0·96 and for the Red River between 0·89 and 0·97. The model is capable of capturing the essential dynamics of streamflow formation. Model input requires a set of initial values for all state variables and the time series of daily temperature and precipitation information. Data from the Red River Basin, shared by Canada and the USA, are used in the model development and testing. 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.
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 découle