Multicriteria evaluation of discharge simulation in Dynamic Global Vegetation Models
Notice bibliographique
Résumé
In this study, we assessed the performance of discharge simulations by coupling the runoff from seven Dynamic Global Vegetation Models (DGVMs; LPJ, ORCHIDEE, Sheffield-DGVM, TRIFFID, LPJ-GUESS, CLM4CN, and OCN) to one river routing model for 16 large river basins. The results show that the seasonal cycle of river discharge is generally modelled well in the low and mid latitudes, but not in the high latitudes, where the peak discharge (due to snow and ice melting) is underestimated. For the annual mean discharge, the DGVMs chained with the routing model show an underestimation. Furthermore the 30-year trend of discharge is also under-estimated. For the inter-annual variability of discharge, a skill score based on overlapping of probability density functions (PDFs) suggests that most models correctly reproduce the observed variability (correlation coefficient higher than 0.5; i.e. models account for 50% of observed inter-annual variability) except for the Lena, Yenisei, Yukon, and the Congo river basins. In addition, we compared the simulated runoff from different simulations where models were forced with either fixed or varying land use. This suggests that both seasonal and annual mean runoff has been little affected by land use change, but that the trend itself of runoff is sensitive to land use change. None of the models when considered individually show significantly better performances than any other and in all basins. This suggests that based on current modelling capability, a regional-weighted average of multi-model ensemble projections might be appropriate to reduce the bias in future projection of global river discharge.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».