Advancing the science and practice of community hydrologic modeling: Development of open-source models, methods, and datasets to enable process-based hydrologic prediction across North America (and beyond)
Notice bibliographique
Résumé
Many hydrologic modelling groups face similar challenges, with untapped opportunities to share code and concepts across different model development groups. An active community of practice is emerging, where the focus is not so much on developing a community hydrologic model, but more on advancing the science and practice of community hydrologic modeling. This presentation will summarize our recent efforts to develop open-source models, methods, and datasets to enable process-based hydrologic prediction across North America (and beyond). The contributions include (1) developing ensemble meteorological datasets for North America and the globe; (2) developing modular approaches to hydrologic modeling through a hierarchal approach that separates different model sub-domains (vegetation, snow, soil, groundwater) and separates the physical representations from the numerical solution; (3) implementing third-party numerical solvers (sundials) to improve the robustness and efficiency of the numerical solutions; (4) developing agile parallelization methods capable of handling heterogeneous computing loads and bottlenecks in the downstream reaches of large river networks; (5) implementing flexible model configuration toolbox to accelerate the implementation of large-domain hydrologic models; (6) advancing methods for river lake routing, including development of integrated river-lake hydrography datasets and development of large-domain reservoir management models; (7) advancing methods for large-domain parameter estimation; (8) advancing methods for ensemble data assimilation; and (9) advancing methods for probabilistic hydrologic prediction on time scales from seconds to seasons. We will discuss some of the major challenges encountered and the high-priority research that is necessary to advance capabilities in large-domain hydrologic prediction.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».