Evaluating the Importance of Non-Unique Behavioural Parameter Sets on Surface Water Quality Variables under Climate Change Conditions in a Mesoscale Agricultural Watershed
Notice bibliographique
Résumé
The parameter uncertainty in the eco-hydrological model Soil and Water Assessment Tool (SWAT) was estimated using non-unique parameter sets for the Altmühl watershed (Bavaria, Germany). The Sequential Uncertainty Fitting Algorithm (SUFI-2) was used to calibrate SWAT. The non-unique parameter sets found were subsequently applied to SWAT concurrently with climate change simulations to determine the variables of streamflow, nitrate nitrogen (NO 3 − -N) and total phosphorus (TP). A suite of seven bias corrected climate change simulations provided reference (1970–2000) and future (2041–2070) climate data. The non-unique behavioural parameter sets that met an objective function of NSE >0.6 during calibration were applied to SWAT with the reference climate and with the future climate simulations. The best parameter set was also propagated through SWAT with each reference and future climate simulation in turn. Combining the non-unique behavioural parameter sets for estimating uncertainty bounds with an ensemble of climate change simulations led to a wider mean monthly spread (difference between maximum and minimum) of simulated NO 3 − -N and TP than using the best run with the future climate simulations. More monthly data was considered using the non-unique approach, resulting in statistical significances for more months of the year and overall lower interquartile ranges. The study quantifies the non-unique behavioural parameter set contributions to the modelling prediction, which assists in making more informed decisions based on available knowledge, with its limitations, of the future simulations. We outline a simple approach that can easily be replicated for similar hydrological modelling studies.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».