MétaCan
Menu
Retour à la cohorte
Enregistrement W2993318975 · doi:10.52151/jae2011481.1430

Evaluation of the MIKE SHE Model in a Cold Region

2011· article· en· W2993318975 sur OpenAlexaffabout
Shalini. Oogathoo, Shiv O. Prasher, Ramesh Rudra, Ramanbhai M. Patel

Notice bibliographique

RevueJournal of Agricultural Engineering (India) · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensSte. Anne's HospitalUniversity of GuelphMcGill University
Organismes subventionnairesnon disponible
Mots-clésVeterinary medicineMathematicsOperations researchMedicine

Résumé

récupéré en direct d'OpenAlex

Given its rapid urbanization, the Canagagigue Creek watershed, located in Grand River Basin (Ontario, Canada), is subjected to shifting hydrological patterns. Consequently, surface runoff was simulated using a watershed-scale model MIKE SHE. The model was calibrated with four years of data and validated with another four years data. Satisfactory levels of overall correlation (R2) between monitored and model-simulated monthly runoff were: 0.87 and 0.77 for the calibration and validation periods, respectively. Corresponding values of the Nash-Sutcliffe coefficient, 0.86 and 0.75, were similar. The model was also used to simulate different management scenarios, urbanization, deforestation, conversion of pastureland into agriculture, diversification of corn system into cash crops, and application of tile drainage. Urbanization showed little impact on surface runoff as increase in urbanized area was a small fraction of the watershed area. Deforestation considerably increased (11%) the total flow. Change in cropping patterns and installation of drainage system had marginal impacts on the surface runoffs. Overall, the model was able to simulate surface runoff reasonably well on monthly and annual basis, although slightly poorer on daily basis. It was concluded that the model could be used to investigate hydrological behaviour of the watersheds in cold climate.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,162

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,196
Écart entre enseignants0,171 · 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.

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

Citations1
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Engineering (India)Même sujetMethane Hydrates and Related PhenomenaTravaux en français237 207