Impacts of hydrological model calibration on projected hydrological changes under climate change—a multi-model assessment in three large river basins
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.
Notice bibliographique
Résumé
Abstract This study aimed to investigate the influence of hydrological model calibration/validation on discharge projections for three large river basins (the Rhine, Upper Mississippi and Upper Yellow). Three hydrological models (HMs), which have been firstly calibrated against the monthly discharge at the outlet of each basin (simple calibration), were re-calibrated against the daily discharge at the outlet and intermediate gauges under contrast climate conditions simultaneously (enhanced calibration). In addition, the models were validated in terms of hydrological indicators of interest (median, low and high flows) as well as actual evapotranspiration in the historical period. The models calibrated using both calibration methods were then driven by the same bias corrected climate projections from five global circulation models (GCMs) under four Representative Concentration Pathway scenarios (RCPs). The hydrological changes of the indicators were represented by the ensemble median, ensemble mean and ensemble weighted means of all combinations of HMs and GCMs under each RCP. The results showed moderate (5–10%) to strong influence (> 10%) of the calibration methods on the ensemble medians/means for the Mississippi, minor to moderate (up to 10%) influence for the Yellow and minor (< 5%) influence for the Rhine. In addition, the enhanced calibration/validation method reduced the shares of uncertainty related to HMs for three indicators in all basins when the strict weighting method was used. It also showed that the successful enhanced calibration had the potential to reduce the uncertainty of hydrological projections, especially when the HM uncertainty was significant after the simple calibration.
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 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 | 0,000 | 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 | 0,001 |
| 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 découle