Snow-detonated floods: Assessment of the U.S. midwest march 2019 event
Notice bibliographique
Résumé
Iowa and the Nishnabotna watershed (Iowa), Midwest U.S. Historically, Iowa and the Midwest have faced floods during the summer season. Some historical floods on record are the 2008 and 2013 floods. In March 2019, a meteorological bomb cyclone set the conditions for an unexpected major snow-related flood. This study (1) presents a comprehensive analysis of the March 2019 flood and asses the early-spring peak flows trends, (2) explores the use of a parsimonious hydrological model with a snow component, and (3) validates the model performance for the last 20 years. The March 2019 event was an extreme flood event that set records on at least 10% of the USGS gauges in Iowa. Moreover, the early spring peak flow analysis showed a significant increasing trend between February and April. In this period, the trend is positive for most gauges, with more than a 30% increase at an annual rate of 4% of the mean yearly peak flow. These findings showed the relevance of snow-detonated floods and their regional understanding. Considering the results' significance, we provided evidence that HLM and a conceptual snow component can represent, forecast, and provide insights regarding snow-detonated events.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».