Model-based assessment of flood generation mechanisms over Poland: The roles of precipitation, snowmelt, and soil moisture excess
Notice bibliographique
Résumé
Hydrometeorological variability, such as changes in extreme precipitation, snowmelt, or soil moisture excess, in Poland can lead to fluvial flooding. In this study we employed the dataset covering components of the water balance with a daily time step at the sub-basin level over the country for 1952-2020. The data set was derived from the previously calibrated and validated Soil & Water Assessment Tool (SWAT) model for over 4000 sub-basins. We applied the Mann Kendall test and circular statistics-based approach on annual maximum floods and various potential flood drivers to estimate the trend, seasonality, and relative importance of each driver. In addition, two sub-periods (1952-1985 and 1986-2020) were considered to examine changes in flood mechanism in the recent decades. We show that floods in the northeast Poland were decreasing, while in the south the trend showed a positive behavior. Moreover, the snowmelt is a primary driver of flooding across the country, followed by soil moisture excess and precipitation. The latter seemed to be the dominant driver only in a small, mountain-dominated region in the south. Soil moisture excess gained importance mainly in the northern part, suggesting that the spatial pattern of flood generation mechanisms is also governed by other features. We also found a strong signal of climate change in large parts of northern Poland, where snowmelt is losing importance in the second sub-period in favor of soil moisture excess, which can be explained by the temperature warming and diminishing role of snow processes.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».