MétaCan
Menu
Retour à la cohorte
Enregistrement W2999532956 · doi:10.1080/02626667.2020.1715982

A multi-objective calibration approach using in-situ soil moisture data for improved hydrological simulation of the Prairies

2020· article· en· W2999532956 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueHydrological Sciences Journal · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensEnvironment and Climate Change CanadaUniversity of SaskatchewanGlobal Institute for Water Security
Organismes subventionnairesnon disponible
Mots-clésEquifinalityStreamflowEvapotranspirationEnvironmental scienceHydrographCalibrationWater contentHydrological modellingHydrology (agriculture)Soil scienceDrainage basinClimatologyGeologyComputer scienceMathematicsGeographyStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

Traditionally, hydrological models are only calibrated to reproduce streamflow regime without considering other hydrological state variables, such as soil moisture and evapotranspiration. Limited studies have been performed on constraining the model parameters, despite the fact that the presence of a large number of parameters may provide large degree of freedom, resulting in equifinality and poor model performance. In this study, a multi-objective optimization approach is adopted, and both streamflow and soil moisture data are calibrated simultaneously for an experimental study basin in the Saskatchewan Prairies in western Canada. The results of this study show that the multi-objective calibration improves model fidelity compared to the single objective calibration. Moreover, the study demonstrates that single objective calibration performed against only streamflow can fairly mimic the streamflow hydrograph but does not yield realistic estimation of other fluxes such as evapotranspiration and soil moisture (especially in deeper soil layers).

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.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,090
Tête enseignante GPT0,300
Écart entre enseignants0,210 · 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