Examining the impacts of estimated precipitation isotope ( <i>δ</i> <sup>18</sup> O) inputs on distributed tracer-aided hydrological modelling
Notice bibliographique
Résumé
Abstract. Tracer-aided hydrological models are becoming increasingly popular tools as they have documented utility in constraining model parameter space during calibration, reducing model uncertainty, and assisting with selection of appropriate model structures. However, the issue of data availability, particularly input data, proves to be a major challenge associated with this type of application. Tracer-aided hydrological modelling typically requires a time series of isotopes in precipitation (δ18Oppt) to drive model simulations, but unfortunately, throughout much of the world, and particularly in sparsely populated high-latitude regions, these data are not widely available. This study uses the isoWATFLOOD tracer-aided hydrological model to investigate the usefulness of three types of estimated δ18Oppt for model input, and the impact that these data have on model simulations and parameterization in the remote Fort Simpson Basin, NWT, Canada. This study showed that although total simulated streamflow was not significantly impacted by choice of δ18Oppt input, isotopes in streamflow (δ18OSF) simulations and the internal apportionment of water (and therefore, model parameterizations) were impacted, particularly during large precipitation and snowmelt events. This finding highlighted the importance of estimated δ18Oppt to capture both the variability and seasonality in precipitation isotopes as critical for tracer-aided hydrological modelling, especially when precipitation events displayed distinctly different isotopic compositions than that of streamflow. This study achieves an understanding of how isoWATFLOOD can be used in regions with a limited number of δ18Oppt observations, and that the model can be of value in such regions. This study reinforces that a tracer-aided modelling approach assists with resolving hydrograph component contributions, and works towards diagnosing the issue of model equifinality.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».