The spatial-temporal variations of rainfall-streamflow linkage across North America: A functional data analysis approach
Notice bibliographique
Résumé
Achieving improved predictions in ungauged-basins or inferring the effects of climate and land-use changes on streamflow requires hydrologists to first learn the underlying mechanisms behind streamflow generation in gauged-basins. One way to characterize streamflow generation is by quantifying how catchments filter rainfall into streamflow. A simple and popular technique that displays the rainfall-streamflow linkage is the unit hydrograph. Though one could characterize and classify catchments based on their unit hydrographs, this approach implicitly implies that the function and response-time that link rainfall to streamflow are time-invariant. The celerity, and the function that links rainfall to streamflow in a given catchment, could vary from catchment to catchment as well as from season to season. This is primarily due to variations in antecedent wetness, temperature, vegetation transpiration and the ways climatic factors interact with biophysical factors, over time and over space. In this study, we utilize sparse historical functional linear models to quantify the time-variant rainfall-streamflow response function, across hundreds of catchments in North America. The function reflects the temporally varying relationship between rainfall and streamflow and can be used to infer temporally varying response times. We then attempt to relate catchment characteristics such geology, climate, and topography to the characteristics of rainfall-streamflow response function and response time, spatially and temporally. We argue that our study extracts generalizable and robust process understanding in a novel data-driven manner.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».