MétaCan
Menu
Retour à la cohorte
Enregistrement W2899976585 · doi:10.1111/gwat.12841

Integrated Surface and Subsurface Hydrological Modeling with Snowmelt and Pore Water Freeze–Thaw

2018· article· en· W2899976585 sur OpenAlexafffund
Oliver S. Schilling, Youngjin Park, René Therrien, Ranjeet M. Nagare

Notice bibliographique

RevueGround Water · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité LavalUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésSnowmeltSnowEnvironmental scienceSurface waterGroundwaterHydrology (agriculture)Subsurface flowFlow (mathematics)Hydrological modellingGroundwater flowGeologyGeotechnical engineeringClimatologyEnvironmental engineeringGeomorphologyAquiferMechanics

Résumé

récupéré en direct d'OpenAlex

For the simulation of winter hydrological processes a gap in the availability of flow models existed: one either had the choice between (1) physically-based and fully-integrated, but computationally very intensive, or (2) simplified and compartamentalized, but computationally less expensive, simulators. To bridge this gap, we here present the integration of a computationally efficient representation of winter hydrological processes (snowfall, snow accumulation, snowmelt, pore water freeze-thaw) in a fully-integrated surface water-groundwater flow model. This allows the efficient simulation of catchment-scale hydrological processes in locations significantly influenced by winter processes. Snow accumulation and snowmelt are based on the degree-day method and pore water freeze-thaw is calculated with a vertical heat conduction approach. This representation of winter hydrological processes is integrated into the fully-coupled surface water-groundwater flow model HydroGeoSphere. A benchmark for pore water freeze-thaw as well as two illustrative examples are provided.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,218
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGround WaterMême sujetClimate change and permafrostTravaux en français237 207