Sensitivity analysis and uncertainty assessment in water budgets simulated by the variable infiltration capacity model for Canadian subarctic watersheds
Notice bibliographique
Résumé
Abstract In this study, we evaluate uncertainties propagated through different climate data sets in seasonal and annual hydrological simulations over 10 subarctic watersheds of northern Manitoba, Canada, using the variable infiltration capacity (VIC) model. Further, we perform a comprehensive sensitivity and uncertainty analysis of the VIC model using a robust and state‐of‐the‐art approach. The VIC model simulations utilize the recently developed variogram analysis of response surfaces (VARS) technique that requires in this application more than 6,000 model simulations for a 30‐year (1981–2010) study period. The method seeks parameter sensitivity, identifies influential parameters, and showcases streamflow sensitivity to parameter uncertainty at seasonal and annual timescales. Results suggest that the Ensemble VIC simulations match observed streamflow closest, whereas global reanalysis products yield high flows (0.5–3.0 mm day −1 ) against observations and an overestimation (10–60%) in seasonal and annual water balance terms. VIC parameters exhibit seasonal importance in VARS, and the choice of input data and performance metrics substantially affect sensitivity analysis. Uncertainty propagation due to input forcing selection in each water balance term (i.e., total runoff, soil moisture, and evapotranspiration) is examined separately to show both time and space dimensionality in available forcing data at seasonal and annual timescales. Reliable input forcing, the most influential model parameters, and the uncertainty envelope in streamflow prediction are presented for the VIC model. These results, along with some specific recommendations, are expected to assist the broader VIC modelling community and other users of VARS and land surface schemes, to enhance their modelling applications.
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 ».