Testing a spatially distributed tracer‐aided runoff model in a snow‐influenced catchment: Effects of multicriteria calibration on streamwater ages
Notice bibliographique
Résumé
Abstract Integrating stable isotope tracers into rainfall‐runoff models allows investigation of water partitioning and direct estimation of travel times and water ages. Tracer data have valuable information content that can be used to constrain models and, in integration with hydrometric observations, test the conceptualization of catchment processes in model structure and parameterization. There is great potential in using tracer‐aided modelling in snow‐influenced catchments to improve understanding of these catchments' dynamics and sensitivity to environmental change. We used the spatially distributed tracer‐aided rainfall‐runoff (STARR) model to simulate the interactions between water storage, flux, and isotope dynamics in a snow‐influenced, long‐term monitored catchment in Ontario, Canada. Multiple realizations of the model were achieved using a combination of single and multiple objectives as calibration targets. Although good simulations of hydrometric targets such as discharge and snow water equivalent could be achieved by local calibration alone, adequate capture of the stream isotope dynamics was predicated on the inclusion of isotope data in the calibration. Parameter sensitivity was highest, and most local, for single calibration targets. With multiple calibration targets, key sensitive parameters were still identifiable in snow and runoff generation routines. Water ages derived from flux tracking subroutines in the model indicated a catchment where runoff is dominated by younger waters, particularly during spring snowmelt. However, resulting water ages were most sensitive to the partitioning of runoff sources from soil and groundwater sources, which was most realistically achieved when isotopes were included in the calibration. Given the paucity of studies where hydrological models explicitly incorporate tracers in snow‐influenced regions, this study using STARR is an important contribution to satisfactorily simulating snowpack dynamics and runoff generation processes, while simultaneously capturing stable isotope variability in snow‐influenced catchments.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,000 | 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 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 ».