Incorporating landscape depression heterogeneity into the Soil and Water Assessment Tool (SWAT) using a probability distribution
Notice bibliographique
Résumé
Abstract Modelling the hydrology of North American Prairie watersheds is complicated because of the existence of numerous landscape depressions that vary in storage capacity. The Soil and Water Assessment Tool (SWAT) is a widely applied model for long‐term hydrological simulations in watersheds dominated by agricultural land uses. However, several studies show that the SWAT model has had limited success in handling prairie watersheds. In past works using SWAT, landscape depression storage heterogeneity has largely been neglected or lumped. In this study, a probability distributed model of depression storage is introduced into the SWAT model to better handle landscape storage heterogeneity. The work utilizes a probability density function to describe the spatial heterogeneity of the landscape depression storages that was developed from topographic characteristics. The integrated SWAT–PDLD model is tested using datasets for two prairie depression dominated watersheds in Canada: the Moose Jaw River watershed, Saskatchewan; and the Assiniboine River watershed, Saskatchewan. Simulation results were compared to observed streamflow using graphical and multiple statistical criterions. Representation of landscape depressions within SWAT using a probability distribution (SWAT–PDLD) provides improved estimations of streamflow for large prairie watersheds in comparison to results using a lumped, single storage approach. Copyright © 2016 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.
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 | 0,001 | 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 ».