MétaCan
Menu
Retour à la cohorte
Enregistrement W4220717178 · doi:10.5194/egusphere-egu22-10411

Long-term dynamics of reservoirs across the globe

2022· preprint· en· W4220717178 sur OpenAlexaff
Albrecht Weerts, P. Hazenberg, Bart van Osnabrugge, Willem van Verseveld

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésInflowOutflowHydropowerEnvironmental scienceSurface runoffFlood controlHydrology (agriculture)Flood mythStreamflowGeologyDrainage basinBiologyEcologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

In many places of the world, reservoirs play an important role in relation to water security, flood risk, agriculture production, hydropower, hydropower potential, and environmental flows. By limiting the amount of water flowing out of the reservoir, reservoirs control flooding downstream, but they can also increase downstream runoff during drought. Detailed information about reservoir management (e.g. inflow, volume and outflow operations) is generally unknown or only available to the local control authority. As a result, large-scale information on reservoir dynamics is currently unknown. Recently, reservoir volume dynamics have been estimated from satellite observations based on reservoir surface area estimates. While Earth observation (EO) has the potential to monitor water from space and fill this gap, temporal resolution of these datasets generally varies between 3-7 days without direct information on reservoir inflow and outflow. Hydrological model reanalysis provides a complementary data source. Using cloud computing infrastructure and a high resolution distributed hydrological model wflow_sbm, we present a novel dataset of historical daily reservoir variations for 3236 headwater reservoirs across the globe for the period 1970-2020. Results derived with wflow_sbm model forced with various forcing sources based on observations and reanalysis (ERA5, EOBS, CHIRPS, NLDAS, BOM, MSWEP) are compared with: 1) measured discharge observations, 2) in situ reservoir elevation and volume measurement, and 3) volume estimates derived using satellite observations. Overall good comparisons between the hydrological model and the different measurement sources are observed, although considerable variations are observed. During the presentations we will zoom in on some of the large-scale changes in reservoir dynamics as observed in South America and Africa and how these potentially impact society.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,296
Écart entre enseignants0,281 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFlood Risk Assessment and ManagementTravaux en français237 207