Notice bibliographique
Résumé
The study of climate change impact on water resources has accelerated worldwide over the past 2Â decades. An important component of such studies is the bias-correction step, which accounts for spatiotemporal biases present in climate model outputs over a reference period, and which allows for realistic streamflow simulations using future climate scenarios. Most of the literature on bias correction focuses on daily scale climate model temporal resolution. However, a large amount of regional and global climate simulations are becoming increasingly available at the sub-daily time step, and even extend to the hourly scale, with convection-permitting models exploring sub-hourly time resolution. Recent studies have shown that the diurnal cycle of variables simulated by climate models is also biased, which raises issues respecting the necessity (or not) of correcting such biases prior to generating streamflows at the sub-daily timescale. This paper investigates the impact of bias-correcting the diurnal cycle of climate model outputs on the computation of streamflow over 133Â small to large North American catchments. A standard hydrological modeling chain was set up using the temperature and precipitation outputs from a high spatial (0.11 â ) and temporal (1â h ) regional climate model large ensemble (ClimEx-LE). Two bias-corrected time series were generated using a multivariate quantile mapping method, with and without correction of the diurnal cycles of temperature and precipitation. The impact of this correction was evaluated on three small ( < â500â km 2 ), medium (between 500 and 1000â km 2 ), and large ( > â1000â km 2 ) surface area catchment size classes. Results show relatively small (3â% to 5â%) but systematic decreases in the relative error of most simulated flow quantiles when bias-correcting the diurnal cycle of precipitation and temperature. There was a clear relationship with catchment size, with improvements being most noticeable for the small catchments. The diurnal cycle correction allowed for hydrological simulations to accurately represent the diurnal cycle of summer streamflow in small catchments. Bias-correcting the diurnal cycle of precipitation and temperature is therefore recommended when conducting impact studies at the sub-daily timescale on small 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,019 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,120 | 0,075 |
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 source (Gemma direct ou Codex distillé), 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 ».