Improved runoff simulations for a highly varying soil depth and complex terrain watershed in the Loess Plateau with the Community Land Model version 5
Notice bibliographique
Résumé
Abstract. This study aimed to improve runoff simulations and explore deep soil hydrological processes for a watershed in the center of the Loess Plateau (LP), China. This watershed, the Wuding River Basin (WRB), has very complex topography, with soil depths ranging from 0 to 197 m. The hydrological model used for our simulations was Community Land Model version 5 (CLM5) developed by the National Center for Atmospheric Research. Actual soil depths and river channels were incorporated into CLM5 to realistically represent the physical features of the WRB. Through sensitivity tests, CLM5 with 150 soil layers with the observed variable soil depths produced the most reasonable results and was adopted for this study. Our results showed that CLM5 with actual soil depths significantly suppressed unrealistic variations of the simulated subsurface runoff when compared to the default simulations. In addition, when compared with the default version with 20 soil layers, CLM5 with 150 soil layers slightly improved runoff simulations but generated simulations with much smoother vertical water flows that were consistent with the uniform distribution of soil textures in our study watershed. The runoff simulations were further improved by the addition of river channels to CLM5, where the seasonal variability of the simulated runoff was reasonably captured. Moreover, the magnitude of the simulated runoff remarkably decreased with increased soil evaporation by lowering the soil water content threshold, which triggers surface resistance. The lowered threshold was consistent with the loess soil, which has a high sand component. Such soils often generate stronger soil evaporation than soils dominated by clay. Finally, with the above changes in CLM5, the simulated total runoff matched very closely with observations. When compared with those for the default runoff simulations, the correlation coefficient, root mean square error, and Nash–Sutcliffe coefficient for the improved simulations changed dramatically from 0.02, 10.37 mm, and −12.34 to 0.62, 1.8 mm, and 0.61. The results in this study provide strong physical insight for further investigation of hydrological processes in complex terrain with deep soils.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».