MétaCan
Menu
← Retour à la cohorte
Enregistrement W3168678858 · doi:10.5194/hess-2021-244

Can we use precipitation isotope outputs of Isotopic General Circulation Models to improve hydrological modeling in large mountainous catchments on the Tibetan Plateau?

2021· article· en· W3168678858 sur OpenAlexaff
Yi Nan, Zhihua He, Fuqiang Tian, Zhongwang Wei, Lide Tian

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésEnvironmental sciencePrecipitationSampling (signal processing)Plateau (mathematics)Hydrological modellingTRACERHydrology (agriculture)ClimatologyGeologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. Issues related to large uncertainty and parameter equifinality have posed big challenges for hydrological modeling in cold regions where runoff generation processes are particularly complex. Tracer-aided hydrological models coupling modules to simulate the transportation and fractionation of water stable isotope are increasingly used to constrain parameter uncertainty and refine the parameterizations of specific hydrological processes in cold regions. However, commonly unavailability of site sampling of spatially-distributed precipitation isotope hampers the practical applications of tracer-aided models in large scale catchments. This study, taken the precipitation isotope data (isoGSM) derived from the Isotopic General Circulation Models (iGCM) as an example, explored its utility in driving a tracer-aided hydrological model in the Yarlung Tsangpo River basin (YTR, around 2 × 105 km2) on the Tibetan Plateau (TP). The isoGSM product was first corrected based on the biases between gridded precipitation isotope estimates and limited site sampling measurements. Model simulations driven by the corrected isoGSM data were then compared with those forced by spatially interpolated precipitation isotope from site sampling measurements. Our results indicated that: (1) spatial precipitation isotope derived from the isoGSM data helped to reduce modeling uncertainty and improve parameter identifiability in a large mountainous catchment on the TP, in comparison to a calibration method using discharge and snow cover area fraction without any information of water isotope; (2) model parameters estimated by the corrected isoGSM data presented higher transferability to nested sub-basins and produced higher model performance in the validation period than that estimated by the interpolated precipitation isotope data from site sampling measurements; (3) model calibration procedure forced by the corrected isoGSM data successfully rejected parameter sets that overestimated glacier melt contribution and gave more reliable contributions of runoff components, indicating the corrected isoGSM data served as a better choice to provide informative spatial precipitation isotope than the interpolated data from site sampling measurements at macro scale. This work suggested plausible utility of combining isoGSM data with measurements from a sparse sampling network in improving hydrological modeling in large mountainous 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,243
Écart entre enseignants0,204 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→