Hydrodynamic Modeling of the St. Lawrence Fluvial Estuary. I: Model Setup, Calibration, and Validation
Notice bibliographique
Résumé
In this study, a high-resolution, two-dimensional (2D), time-dependent hydrodynamic model of the St. Lawrence fluvial estuary was developed with the objective of documenting the tidal hydrodynamics of this complex yet poorly understood region. The hydrodynamic model solves the shallow-water equations over a finite-element–discretized domain, with an average spatial resolution of 50 m, and includes a drying–wetting component for the treatment of shallow intertidal areas. The numerical terrain model is composed of high-density topographic data and detailed friction fields associated with bottom substrate and macrophytes. Calibration and validation were carried out using recently acquired data for water level and velocity. Results show very good accuracy in water levels, with prediction skills higher than 0.99 at all stations (where a skill of 1 means perfect agreement between model and observations in terms of their relative average error) and root-mean-square errors (RMSEs) less than 5% of local tidal ranges downstream; at upstream stations where tidal ranges are significantly reduced, RMSEs were lower than 6 cm. Discharges were reproduced with similarly good accuracy, with errors lower than 6% of the maximum observed discharges at 11 of the 13 surveyed transects; the two remaining sections are subject to larger interpolation and bathymetric uncertainties. In this paper, critical aspects of model development are discussed, including the 2D approximation, temporal and spatial resolution, bathymetric uncertainty, error in the boundary conditions, and calibration under nonstationary conditions. This work is the first part of a two-part investigation serving as a methodological framework for model setup, calibration, and validation in large tidal rivers.
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 | 0,000 | 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 | 0,001 |
| 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 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 ».