Developing a decision support tool for assessing land use change and BMPs in ungauged watersheds based on decision rules provided by SWAT simulation
Notice bibliographique
Résumé
Abstract. Decision making on water resources management at ungauged, especially large-scale watersheds relies on hydrological modeling. Physically based distributed hydrological models require complicated setup, calibration, and validation processes, which may delay their acceptance among decision makers. This study presents an approach to develop a simple decision support tool (DST) for decision makers and economists to evaluate multiyear impacts of land use change and best management practices (BMPs) on water quantity and quality for ungauged watersheds. The example DST developed in the present study was based on statistical equations derived from Soil and Water Assessment Tool (SWAT) simulations and applied to a small experimental watershed in northwest New Brunswick. The DST was subsequently tested against field measurements and SWAT simulations for a larger watershed. Results from DST could reproduce both field data and model simulations of annual stream discharge and sediment and nutrient loadings. The relative error of mean annual discharge and sediment, nitrate–nitrogen, and soluble-phosphorus loadings were −6, −52, 27, and −16 %, respectively, for long-term simulation. Compared with SWAT, DST has fewer input requirements and can be applied to multiple watersheds without additional calibration. Also, scenario analyses with DST can be directly conducted for different combinations of land use and BMPs without complex model setup procedures. The approach in developing DST can be applied to other regions of the world because of its flexible structure.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».