Implication of evaporative loss estimation methods in discharge and water temperature modelling in cool temperate climates
Notice bibliographique
Résumé
Abstract Evaporative flux is a key component of hydrological budgets. Water loss through evapotranspiration reduces volumes available for run‐off. The transition from liquid to water vapour on open water surfaces requires heat. Consequently, evaporation act as a cooling mechanism during summer. Both river discharge and water temperature simulations are thus influenced by the methods used to model evaporation. In this paper, the impact of evapotranspiration estimation methods on simulated discharge is assessed using a semidistributed model on two Canadian watersheds. The impact of evaporation estimation methods on water temperature simulations is also evaluated. Finally, the validity of using the same formulation to simulate both of these processes is verified. Five well‐known evapotranspiration models and five evaporation models with different wind functions were tested. Results show a large disparity (18–22% of mean annual total evapotranspiration) among the evapotranspiration methods, leading to important differences in simulated discharge (3–25% of observed discharge). Larger differences result from evaporation estimation methods with mean annual divergences of 34–48%. This translates into a difference in mean summer water temperature of 1–15%. Results also show that the choice of model parameter has less influence than the choice of evapotranspiration method in discharge simulations. However, the parameter values influence thermal simulations in the same order of magnitude as the choice of evaporation estimation method. Overall, the results of this study suggest that evapotranspiration and open water evaporation should be represented separately in a hydrological modelling framework, especially when water temperature simulations are required.
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 | 0,001 | 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 ».