Non‐stationary intensity‐duration‐frequency curves integrating information concerning teleconnections and climate change
Notice bibliographique
Résumé
Rainfall intensity‐duration‐frequency (IDF) curves are commonly used for the design of water resources infrastructure. Numerous studies reported non‐stationarity in meteorological time series. Neglecting to incorporate non‐stationarities in hydrological models may lead to inaccurate results. The present work focuses on the development of a general methodology that copes with non‐stationarities that may exist in rainfall, by making the parameters of the IDF relationship dependent on the covariates of time and climate oscillations. In the recent literature, non‐stationary models are generally fit on data series of specific durations. In the approach proposed here, a single model with a separate functional relation with the return period and the rainfall duration is instead defined. This model has the advantage of being simpler and extending the effective sample size. Its parameters are estimated with the maximum composite likelihood method. Two sites in Ontario, Canada and one site in California, USA, exhibiting non‐stationary behaviours are used as case studies to illustrate the proposed method. For these case studies, the time and the climate indices Atlantic Multi‐decadal Oscillation (AMO) and Western Hemisphere Warm Pool (WHWP) for the stations in Canada, and the time and the climate indices Southern Oscillation Index (SOI) and Pacific Decadal Oscillation (PDO) for the stations in United States are used as covariates. The Gumbel and the generalized extreme value distributions are used as the time‐dependent functions in the numerator of the general IDF relationship. Results show that the non‐stationary framework for IDF modelling provides a better fit to the data than its stationary counterpart according to the Akaike information criterion. Results indicate also that the proposed generalized approach is more robust than the common approach especially for stations with short rainfall records (e.g., R2 of 0.98 compared to 0.69 for duration of 30 min and a sample size of 27 years).
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».