Application of the HBV model for the future projections of water levels using dynamically downscaled global climate model data
Notice bibliographique
Résumé
Abstract The Hydrologiska Byråns Vattenbalansavdelning (HBV) model was used to project the future water levels of the Mackenzie River at selected stations. The Weather Research and Forecasting (WRF) model was utilized to dynamically downscale the Global Climate Model data. The calibrated and validated HBV model was run with the WRF downscaled CanESM2 data and with the PCIC data for the historical (1979–2005) period, and then compared with the observed flow data at the Fort Simpson station and the Arctic Red River station. The simulated streamflow showed a good correlation with the observed streamflow (R2 value was around 0.85). The HBV model was then forced with the bias-corrected WRF downscaled daily rainfall and temperature data driven by the CanESM2 RCP 4.5 and RCP 8.5 climate scenarios to simulate the future streamflow for the 2041–2070 period. Rating curves were used to convert streamflow to water levels. At the Fort Simpson station, mean flow was projected to decrease by about 5% under both RCP 4.5 and RCP 8.5 scenarios, whereas the peak flow was likely to reduce by about 12 and 9% for RCP 4.5 and RCP 8.5 scenarios, respectively, in the 2050s. The projected lower water levels could affect the navigability and the northern ferry operations of the Mackenzie River.
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 | 0,000 | 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 | 0,000 |
| 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 ».