Assessing Spatial Scale Effects on Hydrometric Network Design Using Entropy and Multi‐objective Methods
Notice bibliographique
Résumé
Abstract In order to facilitate water resources decisions, it is important that accurate and informative hydrometric data are collected. Combining information theory with multi‐objective optimization has led to methods of optimizing the information content provided by hydrometric networks; however, there is no available study on the effects of spatial scale and data limitation on these methods. Herein, a dual entropy multi‐objective optimization (DEMO) and a transinformation (TI) analysis were done to recommend optimal locations for additional hydrometric stations in the Madawaska Watershed. This analysis was designed to be comparative to a similar study conducted on the Ottawa River Basin which encompasses the Madawaska Watershed to allow for an investigation of the spatial scale effects in this type of network design. This study concludes that TI analysis is not adversely affected by scaling; however, the DEMO analysis is sensitive to the placement of potential station locations and the size of the study area. This study also examines the benefit of including nearby stations when the area of interest does not have a sufficient number of existing hydrometric stations for analysis. It is shown that these stations can provide useful information because their inclusion in the analysis increased the average TI in the watershed. Recommendations were made as to the ideal locations of additional stations in the Madawaska Watershed hydrometric network.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».