Spatial Scaling Links the Information across Scales: A Review of Methodologies Used in Regional Eco-hydrological Modeling
Notice bibliographique
Résumé
Spatial scaling has been one of the fundamental problems in eco-hydrological modeling over the past two decades. The input parameters for regional climate change impact research operating at a 1~50 km resolution cannot be directly derived from GCM (general circulation model) operating at a 100~500 km resolution. Conversely, large scale eco-hydrological models can only simulate the grid-based integrated response instead of directly parameterizing the small-scale earth surface processes. Therefore, upscaleing methodology is required to scale up the information derived from the small-scale to the information required for the large-scale models; and downscaling methodology is required to scale down the information from large scale model, i.e. GCM, to the information required for regional eco-hydrological models, which operate at a much smaller scale than the one for a GCM. Several methodologies have been developed over the past two decades to undertake these non-trivial upscaleing and downscaling tasks. in this paper, we discuss how the upscaling and downscaling schemes have been implemented in eco-hydrological modeling. Two primary downscaling schemes are reviewed in this paper. The first is empirical statistical downscaling, which disaggregates the information through establishing the empirical statistical relationships that link the information between small scale and large scale by comparing the large-scale values with long-term historical observation. The second scheme is dynamic downscaling, which disaggregates information by downscaling the information generated from dynamically coupling a RCM (regional climate model) with a GCM. Two upscaling schemes, empirical statistical upscaling and mosaic upscaling, are examined in this paper. Empirical statistical upscaling is achieved by assuming that the sub-grid variability of environmental variables can be represented by a probability density function (PDF), such as the VIC (variable infiltration capacity) model and the gamma distribution model. Mosaic upscaling scheme subdivides a big grid into several patches and the environmental variables are evaluated separately for each patch, and then averaged. We suggest an approach that combines the mosaic and PDF scheme for upscaling the modeling outputs from catchment to global scales.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».