Notice bibliographique
Résumé
Abstract. Severe floods with extreme return periods of 100 years and beyond have been observed in several large rivers in Bavaria in the last three decades. Flood protection structures are typically designed based on a 100-year event, relying on statistical extrapolations of relatively short observation time series while ignoring potential temporal non-stationarity. However, future precipitation projections indicate an increase in the frequency and intensity of extreme rainfall events, as well as a shift in seasonality. This study aims to examine the impact of climate change on the 100-year flood (HF100) events on 98 hydrometric gauges within the Hydrological Bavaria. A hydrological climate change impact (CCI) modelling chain consisting of a regional single model initial condition large ensemble (SMILE) and a single hydrological model was created. The 50 equally probable members of the CRCM5-LE were used to drive the hydrological model WaSiM to create a hydro-SMILE. As a result, a database of 1,500 model years (50 members x 30 years) per investigated time period was established for extreme value analysis (EVA) to illustrate the benefit of the hydro-SMILE approach for a robust estimation of the HF100 based on annual maxima (AM), and to examine the CCI on the frequency and intensity of HF100 in different discharge regimes under a strong emission scenario (RCP8.5). The results demonstrate that the hydro-SMILE approach provides a clear advantage for a robust estimation of the HF100 using empirical probability on 1,500 AM compared to its estimation using the generalized extreme value (GEV) distribution on 1,000 samples of typically available time series size of 30, 100, and 200 years. Thereby, by applying the hydro-SMILE framework the uncertainty from statistical estimation can be reduced. The CCI on the HF100 varies for different flow regimes, with snowmelt-driven catchments experiencing severe increases in frequency and intensity, leading to unseen extremes that impact the distribution. Pluvial regimes show a lower intensification or even decline. The study highlights the added value of using hydrological SMILEs to project future flood return levels.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,018 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,281 | 0,196 |
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 ».