The Sensitivity of Simulated Streamflow to Individual Hydrologic Processes Across North America
Notice bibliographique
Résumé
Streamflow sensitivity to different hydrologic processes varies in both space and time. In numerical modeling of streamflow, this sensitivity manifests as parameter sensitivity, which is typically model-specific. In this study, we apply a novel analysis over more than 3000 basins across North America enabling the estimation of the process sensitivities on streamflow based on basin characteristics that can be derived from physiographic and climatologic data without needing to perform the expensive sensitivity analysis itself. This continental-scale analysis allows for high-level conclusions as to the importance of water cycle components on streamflow predictions, as the analysis considers a flexible model structure rather than an individual model. This work derives the sensitivity of streamflow simulation to entire hydrologic processes rather than only specific parameters. Process sensitivities are computed and provided for each day of the year over a wide range of physiographic and climatologic regimes, enabling future hydrologic model improvement at the continental scale. A few highlight results are: 1) Baseflow and other sub-surface processes are of low importance across North America- especially when time points of high flows are of interest. 2) Percolation, evaporation, and infiltration show very similar patterns with increased importance in South-eastern US and west of the Rocky Mountains. 3) Up to 30% of the overall model variability can be attributed to snow melt in regions that are snow dominated (Northern Canada and Rocky mountains). Potential melt shows a similar gradient as snow melt with sensitivities of above 60% in the Province of Quebec and the Rocky Mountains. 4) Direct runoff (quickflow) is the most sensitive of all hydrologic processes- especially in South-Eastern US it is responsible for more than 80% of the model variability. 5) The derived functional relationship to estimate the process sensitivities based on basin characteristics has predictive power of at least 0.8 in Pearson correlation coefficients based on more than 1000 basins used for validation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».