Changes in Large Lake Water Level Dynamics in Response to Climate Change
Notice bibliographique
Résumé
Understanding impacts of climate change on water level fluctuations across Earth's large lakes has critical implications for commercial and recreational boating and navigation, coastal planning, and ecological function and management. A common approach to advancing this understanding is the propagation of climate change scenarios (often from global circulation models) through regional hydrological models. We find, however, that this approach does not always fully capture water supply spatiotemporal features evolving from complex relationships between hydrologic variables. Here, we present a statistical approach for projecting plausible climate-related regional water supply scenarios into localized net basin supply sequences utilizing a parametric vine copula. This approach preserves spatial and temporal correlations between hydrologic components and allows for explicit representation and manipulation of component marginal and conditional probability distributions. We demonstrate the capabilities of our new modeling framework on the Laurentian Great Lakes by coupling our copula-derived net basin supply simulations with a newly-formulated monthly lake-to-lake routing model. This coupled system projects monthly average water levels on Lake Superior, Michigan-Huron, and Erie (we omit Lake Ontario from our study due to complications associated with simulating strict regulatory controls on its outflow). We find that our new method faithfully replicates marginal and conditional probability distributions, as well as serial autocorrelation, within and among historical net basin supply sequences. We find that our new method also reproduces seasonal and interannual water level dynamics. Using readily-available climate change simulations for the Great Lakes region, we then identified two plausible, transient, water supply scenarios and propagated them through our model to understand potential impacts on future water levels. Both scenarios result in an average water level increase of <10 cm on Lake Superior and Erie, with slightly larger increases on Michigan-Huron, as well as elevated variability of monthly water levels and a shift in seasonal water level modality. Our study contributes new insights into plausible impacts of future climate change on Great Lakes water levels, and supports the application and advancement of statistical modeling tools to forecast water supplies and water levels on not just the Great Lakes, but on other large lakes around the world as well.
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 | 0,000 |
| 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 ».