Advancing community water resources modeling in the Cooperative Institute for Research to Operations in Hydrology (CIROH)
Notice bibliographique
Résumé
The Cooperative Institute for Research to Operations in Hydrology (CIROH) is a consortium of 28 institutions to advance the National Oceanic and Atmospheric Administration’s (NOAA) science and services capabilities to provide actionable water resources intelligence. CIROH’s research aims to improve water prediction and supports four broad themes: (1) water resources prediction capabilities; (2) community water resources modeling; (3) hydroinformatics; and (4) application of social, economic and behavioral science to water resources prediction. CIROH outcomes will inform hydrological process understanding, operational forecasting techniques and workflows, community engagement in water modeling, open-source software development, translation of forecasts to actionable products, and use of predictions in decision making. This presentation will focus on CIROH’s research in community water modelling. In this theme, CIROH research focuses on advancing the predictive capabilities of the next-generation National Water Resources Modeling framework (NextGen framework) that is being developed for operational large-domain water prediction at NOAA’s National Water Center (NWC). The presentation will give examples of ongoing CIROH model development efforts to (1) integrate physical process representations into the NextGen framework across multiple levels of process granularity; (2) assess accuracy-efficiency trade-offs in the numerical solution of model equations across large spatial domains; (3) coupling process components that have hitherto been neglected in large-domain terrestrial system models (e.g., glacier hydrology, snow redistribution, connectivity of wetlands, land-atmosphere interactions over sparse forests, tile drainage, etc.); and (4) use hybrid machine learning methods to advance large-domain parameter estimation capabilities. The presentation will also highlight the establishment of research enabling infrastructure to support CIROH’s ongoing modeling advancement efforts. In summary, we will identify major challenges encountered and the high-priority research that is needed 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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».