Evaluating the suitability of three gridded‐datasets and their impacts on hydrological simulation at Scotty Creek in the southern Northwest Territories, Canada
Notice bibliographique
Résumé
Abstract In the southern Northwest Territories (NWT), long time series of historical observations of climate and hydrology are scarce. Gridded datasets have been used as an alternative to instrumental observations for climate analysis in this area, but not for driving models to understand hydrological processes in the southern NWT. The suitability of temperature and precipitation from three‐gridded datasets (Australian National University Spline [ANUSPLIN], ERA‐Interim, and Modern‐Era Retrospective Analysis for Research and Application, Version 2 [MERRA‐2]) as forcings for hydrological modelling in a small subcatchment in the southern NWT are assessed. Multiple statistical techniques are used to ensure that structural and temporal attributes of the observational datasets are adequately compared. Daily minimum and maximum air temperatures in gridded datasets are more similar to observations than precipitation. The ANUSPLIN temperature time series are more statistically similar to observations, based on population statistics and temporal structure, than either of ERA‐Interim or MERRA‐2. The gridded datasets capture the seasonal and annual seasonal variability of precipitation but with large biases. ANUSPLIN precipitation compares better with observations than either ERA‐Interim or MERRA‐2 precipitation. The biases in these gridded datasets affect run‐off simulations. The biases in hydrological simulations are predictable from the statistical differences between gridded datasets and observations and can be used to make informed choices about their use.
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 | 0,001 |
| 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) | 0,001 | 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 ».