MétaCan
Menu
Retour à la cohorte
Enregistrement W3084622233 · doi:10.4231/npyj-ge58

Data for Validation and Sensitivity Analysis of a 1-D Lake Model across Global Lakes

2020· article· en· W3084622233 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.

Notice bibliographique

RevuePurdue University Research Repository · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMinistry of Environment
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Environmental scienceClimatologyGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

<p>This dataset includes the model calibration and validation results of 58 lakes using ALBM, and the corresponding sensitivity test results. Calib/ contains the metrics of water temperature simulations in the calibration and validation. CART/ contains the summaries of parameter sensitivity tests from Classification and Regression Tree (CART) model training. codes/ contains R codes for data analysis.</p> <p>Lakes have important influence on weather and climate from local to global scales. However, their prediction using numerical models is notoriously difficult because global lakes are highly heterogeneous across the globe and observations are sparse. Here, we assessed the performance of a 1-D lake model in simulating the thermal structures of 58 lakes with diverse morphometric and geographic characteristics by following the phase 2a local lake protocol of the Inter-sectoral Impact Model Intercomparison Project (ISIMIP2a). The model was calibrated using six years of observation data for each lake and validated using the remaining data. After model calibration, the root-mean-square errors (RMSE) were below 2 °C for 70% and 75% of the lakes for epilimnion temperature and full-profile temperature simulations, with an average of 1.71 °C and 1.43 <a name="OLE_LINK1"></a><a name="OLE_LINK2">°C</a>, respectively. The model performance mainly depends on lake shape rather than location, supporting the possibility of grouping model parameters by lake shape for global applications. Furthermore, through machine-learning based parameter sensitivity tests, we identified turbulent heat fluxes, wind-driven mixing and water transparency as the major processes controlling lake thermal and mixing regimes. Snow density is also a sensitive parameter for modeling the ice phenology of high latitude lakes. The relative influence of the key processes and the corresponding parameters mainly depended on lake latitude and depth. Turbulent heat fluxes showed a decreasing importance in affecting lake epilimnion temperature with increasing latitude. Wind-driven mixing was less influential to lake vertical temperature profile for deeper lakes while the impact of light extinction, on the contrary, showed a positive correlation with depth on lake stratification. Our findings may guide improvements in 1-D lake model parameterizations to achieve higher fidelity in simulating global lake thermal dynamics. </p>

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,299

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 ouverte0,0000,001
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 Opus0,081
Tête enseignante GPT0,325
Écart entre enseignants0,244 · 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