Evaluating the Suitability of Application of Hydrological Models in a Mixed Land Use Watershed
Notice bibliographique
Résumé
This project compared the suitability of two hydrological models for the Flint River watershed (FRW). The Flint River flows into Wheeler Lake, which drains to the Tennessee River, a major source of water in northern Alabama. Two very widely used hydrological models, the Soil and Water Assessment Tool (SWAT) and the Storm Water Management Model (SWMM), were selected for this study. Both models were calibrated and validated for FRW. The calibration parameters were selected based on past research studies which used the same hydrologic models. The calibration parameters for SWMM and SWAT included basin, subbasin, soil, groundwater, channel and land use parameters. During calibration, both models were run at daily and monthly time steps, where simulated streamflows were compared with observed streamflows (years 2004-2013) and various statistical parameters were computed. While comparing simulated and observed monthly streamflows, SWAT showed better performance (r = 0.86-0.97, R 2 = 0.73-0.93, bias = 12.2%, RMSE = 5.6 m 3 /s-8.9 m 3 /s) than SWMM (r = 0.70, R 2 = 0.50, RMSE = 2 m 3 /s-56 m 3 /s, bias = 6.2%-8.4%). However, both models showed better performance for monthly streamflows than for daily streamflows. The evaluation determined that SWAT provides a more suitable model than SWMM when applied to a mixed land use watershed like FRW.
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 | 0,003 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».