Quantifying the contribution of glacier runoff to streamflow in the upper Columbia River basin, Canada
Notice bibliographique
Résumé
Abstract. Glacier melt provides important contributions to streamflow in many mountainous regions. Hydrologic model calibration in glacier-fed catchments is difficult because errors in modelling snow accumulation can be offset by compensating errors in glacier melt. This problem is particularly severe in catchments with modest glacier cover, where goodness-of-fit statistics such as the Nash-Sutcliffe model efficiency may not be highly sensitive to the streamflow variance associated with glacier melt. While glacier mass balance measurements can be used to aid model calibration, they are absent for most catchments. We introduce the use of glacier volume change determined from repeated glacier mapping in a guided GLUE (generalized likelihood uncertainty estimation) procedure to calibrate a hydrologic model. We also explicitly account for changes in glacier area through the calibration and test periods. The approach is applied to the Mica basin in the Canadian portion of the Columbia River basin using the HBV-EC hydrologic model. Use of glacier volume change in the calibration procedure effectively reduced parameter uncertainty and helped to ensure that the model was accurately predicting glacier mass balance as well as streamflow. The seasonal and interannual variations in glacier melt contributions were assessed by running the calibrated model with historic glacier cover and also after converting all glacierized areas to alpine land cover in the model setup. Although glaciers in the Mica basin only cover 5 % of the watershed, glacier ice melt contributes up to 25 % and 35 % of streamflow in August and September, respectively, and is particularly important during periods of warm, dry weather following winters with low accumulation and early snowpack depletion. The approach introduced in this study provides an effective and widely applicable approach for calibrating hydrologic models in glacier fed catchments, as well as for quantifying the magnitude and timing of glacier melt contributions to streamflow.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».