Combining Landsat <scp>TIR</scp>‐imagery data and <scp>ERA5</scp> reanalysis information with different calibration strategies to improve simulations of streamflow and river temperature in the Canadian Subarctic
Notice bibliographique
Résumé
Abstract Arctic and Subarctic environments are among the most vulnerable regions to climate change. Increases in liquid precipitation and changes in snowmelt onset are cited as the main drivers of change in streamflow and water temperature patterns in some of the largest rivers of the Canadian Arctic. However, in spite of this evidence, there is still a lack of research on water temperature, particularly in the eastern Canadian Arctic. In this paper, we use the CEQUEAU hydrological‐water temperature model to derive consistent long‐term daily flow and stream temperature time series in Aux Mélèzes River, a non‐regulated basin (41 297 km2) in the eastern Canadian subarctic. The model was forced using reanalysis data from the fifth‐generation ECMWF atmospheric reanalyses (ERA5) from 1979 to 2020. We used water temperature derived from thermal infrared (TIR) images as reference data to calibrate CEQUEAU's water temperature model, with calibration performed using single‐site, multi‐site, and upscaling factors approaches. Our results indicate that the CEQUEAU model can simulate streamflow patterns in the river and shows excellent spatiotemporal performance with Kling‐Gupta Efficiency (KGE) metric >0.8. Using the best‐performing flow simulation as one of the inputs allowed us to produce synthetic daily water temperature time series throughout the basin, with the multi‐site calibration approach being the most accurate with root mean square errors (RMSE) <2.0°C. The validation of the water temperature simulations with a three‐year in situ data logger dataset yielded an RMSE = 1.38°C for the summer temperatures, highlighting the robustness of the calibrated parameters and the chosen calibration strategy. This research demonstrates the reliability of TIR imagery and ERA5 as sources of model calibration data in data‐sparse environments and underlines the CEQUEAU model as an assessment tool, opening the door to its use to assess climate change impact on the arctic regions of Canada.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».