Hydrological evaluation of high-resolution precipitation estimates from the WRF model in the Third Pole river basins
Notice bibliographique
Résumé
Abstract In this study, two sets of precipitation estimates based on the regional Weather Research and Forecasting model (WRF) –the high Asia refined analysis (HAR) and outputs with a 9 km resolution from WRF (WRF-9km) are evaluated at both basin and point scales, and their potential hydrological utilities are investigated by driving the Variable Infiltration Capacity (VIC) large-scale land surface hydrological model in seven Third Pole (TP) basins. The regional climate model (RCM) tends to overestimate the gauge-based estimates by 20–95% in annual means among the selected basins. Relative to the gauge observations, the RCM precipitation estimates can accurately detect daily precipitation events of varying intensities (with absolute bias < 3 mm). The WRF-9km exhibits a high potential for hydrological application in the monsoon-dominated basins in the southeastern TP (with NSE of 0.7–0.9 and bias of -11% to 3%), while the HAR performs well in the upper Indus (UI) and upper Brahmaputra (UB) basins (with NSE of 0.6 and bias of -15% to -9%). Both the RCM precipitation estimates can accurately capture the magnitudes of low and moderate daily streamflow, but show limited capabilities in flood prediction in most of the TP basins. This study provides a comprehensive evaluation of the strength and limitation of RCMs precipitation in hydrological modeling in the TP with complex terrains and sparse gauge observations.
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 | 0,003 | 0,001 |
| 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) | 0,001 | 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 ».