Implications of a Priori Parameters on Calibration in Conditions of Varying Terrain Characteristics: Case Study of the SAC-SMA Model in Eastern United States
Notice bibliographique
Résumé
This study seeks to advance the knowledge about the effect of a priori parameters on calibration using the Sacramento Soil Moisture accounting Model (SAC-SMA). We investigated the catchment characteristics where calibration is most affected by the limitations in the a priori parameters and we studied the effect on the modeled processes. The a priori parameters of SAC-SMA model parameters were determined from soil-derived physical expressions that make use of the soil’s physical properties. The study employed 63 catchments from the eastern United States (US). The model calibration employed the Shuffle-Complex algorithm (SCE-UA) and used the a priori parameters as default allowing for ±35% as a range of deviation. The model efficiency after calibration was sensitive to the catchment landscape properties, particularly the soil texture and topography. The highest efficiency was obtained in conditions of well-drained soils and flat topography where the saturation excess overland flow is predominant. Most of the catchments with smaller efficiency had poorly drained soils where mountainous and forested catchments of predominant subsurface stormflow had the lowest efficiency. The current regional study shows that improvements of SAC-SMA a priori parameters are crucial to foster their operational use for calibration and prediction at ungauged catchments.
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 ».