MétaCan
Menu
Retour à la cohorte
Enregistrement W2913897181 · doi:10.5194/gmd-12-2501-2019

The multiscale routing model mRM v1.0: simple river routing at resolutions from 1 to 50 km

2019· article· en· W2913897181 sur OpenAlexaff
Stephan Thober, Matthias Cuntz, Matthias Kelbling, Rohini Kumar, Juliane Mai, Luis Samaniego

Notice bibliographique

RevueGeoscientific model development · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesBundesministerium für Bildung und ForschungAgence Nationale de la Recherche
Mots-clésScalabilityStreamflowRouting (electronic design automation)Computer scienceEnvironmental scienceFlow routingRemote sensingAlgorithmDrainage basinGeologyGeographyDatabase

Résumé

récupéré en direct d'OpenAlex

Abstract. Routing streamflow through a river network is a fundamental requirement to verify lateral water fluxes simulated by hydrologic and land surface models. River routing is performed at diverse resolutions ranging from few kilometres to 1∘. The presented multiscale routing model mRM calculates streamflow at diverse spatial and temporal resolutions. mRM solves the kinematic wave equation using a finite difference scheme. An adaptive time stepping scheme fulfilling a numerical stability criterion is introduced in this study and compared against the original parameterisation of mRM that has been developed within the mesoscale hydrologic model (mHM). mRM requires a high-resolution river network, which is upscaled internally to the desired spatial resolution. The user can change the spatial resolution by simply changing a single number in the configuration file without any further adjustments of the input data. The performance of mRM is investigated on two datasets: a high-resolution German dataset and a slightly lower resolved European dataset. The adaptive time stepping scheme within mRM shows a remarkable scalability compared to its predecessor. Median Kling–Gupta efficiencies change less than 3 % when the model parameterisation is transferred from 3 to 48 km resolution. mRM also exhibits seamless scalability in time, providing similar results when forced with hourly and daily runoff. The streamflow calculated over the Danube catchment by the regional climate model REMO coupled to mRM reveals that the 50 km simulation shows a smaller bias with respect to observations than the simulation at 12 km resolution. The mRM source code is freely available and highly modular, facilitating easy internal coupling in existing Earth system models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,017
Tête enseignante GPT0,218
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations99
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetHydrology and Watershed Management StudiesTravaux en français237 207