SWAT modeling of hydrology, sediment and nutrients from the Grand River, Ontario
Notice bibliographique
Résumé
Abstract The Grand River watershed (GRW) is an important agricultural area in Southern Ontario. Land use has been modified by various human endeavors, altering hydrology and increasing export of sediment and nutrients. The objective of this study was to predict spatial and temporal patterns of hydrology, and export of sediment and nutrients from the GRW to Lake Erie using the Soil and Water Assessment Tool (SWAT) model. The Sequential Uncertainty FItting (SUFI2) program was used to calibrate and validate stream flow for years 2001–2010. Calibration and validation of the SWAT model for monthly stream flow at York indicated good model performance (R2, NSE, and PBIAS = 0.64, 0.63 and 7.1 for calibration (2001–2005); = 0.82, 0.74 and 0.2, for validation (2006–2010)). The model was applied to predict sediment and nutrient export from the GRW into Lake Erie. Predicted loading at Dunnville (near the mouth) was 2.3 × 105 tonnes y−1 total suspended sediment, 7.9 × 103 tonnes y−1 TN, and 2.3 × 102 tonnes y−1 TP. This SWAT model can now be used to investigate the relative effects of best management practices, and to forecast effects of climate change, on sustainable water management, hydrology, and sediment and nutrient export to Lake Erie.
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 | 0,005 | 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».