An automatic lake-model application using near-real-time data forcing: development of an operational forecast workflow (COASTLINES) for Lake Erie
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. For enhanced public safety and water resource management, a three-dimensional operational lake hydrodynamic forecasting system, COASTLINES (Canadian cOASTal and Lake forecastINg modEl System), was developed. The modeling system is built upon the three-dimensional Aquatic Ecosystem Model (AEM3D) model, with predictive simulation capabilities developed and tested for a large lake (i.e., Lake Erie). The open-access workflow derives model forcing, code execution, post-processing, and web-based visualization of the model outputs, including water level elevations and temperatures, in near-real time. COASTLINES also generates 240 h predictions using atmospheric forcing from 15 and 25 km horizontal-resolution operational meteorological products from the Environment Canada Global Deterministic Forecast System (GDPS). Simulated water levels were validated against observations from six gauge stations, with model error increasing with forecast horizon. Satellite images and lake buoys were used to validate forecast lake surface temperature and the water column thermal stratification. The forecast lake surface temperature is as accurate as hindcasts, with a root-mean-square deviation <2 ∘C. COASTLINES predicted storm surges and up-/downwelling events that are important for coastal flooding and drinking water/fishery management, respectively. Model forecasts are available in real time at https://coastlines.engineering.queensu.ca/ (last access: January 2022). This study provides an example of the successful development of an operational forecasting workflow, entirely driven by open-access data, that may be easily adapted to simulate aquatic systems or to drive other computational models, as required for management and public safety.
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.
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 | 0,002 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle