MétaCan
Menu
Retour à la cohorte
Enregistrement W4389259707 · doi:10.1007/s10584-023-03643-9

Weighting climate models for hydrological projections: effects on contrasting hydroclimatic regions

2023· article· en· W4389259707 sur OpenAlexafffund
Mariana Castañeda-González, Annie Poulin, Rabindranarth Romero-López, Richard Turcotte

Notice bibliographique

RevueClimatic Change · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMinistère des Ressources naturelles et des ForêtsÉcole de Technologie Supérieure
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesConsejo Nacional de Ciencia y Tecnología
Mots-clésWeightingStreamflowClimatologyPrecipitationClimate changeClimate modelEnvironmental scienceHydrographMeteorologyDrainage basinGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Weighting climate models has recently become a more accepted approach. However, it remains a topic of ongoing discussion, especially for analyses needed at regional scales, such as hydrological assessments. Various studies have evaluated the weighting approaches for climate simulations. Yet, few case studies have assessed the impacts of weighting climate models on streamflow projections. Additionally, the methodological and location limitations of previous studies make it difficult to extrapolate their conclusions over regions with contrasting hydroclimatic regimes, highlighting the need for further studies. Thus, this study evaluates the effects of different climate model’s weighting approaches on hydrological projections over hydrologically diverse basins. An ensemble of 24 global climate model (GCM) simulations coupled with a lumped hydrological model is used over 20 North American basins to generate 24 GCM-driven streamflow projections. Six unequal-weighting approaches, comprising temperature-, precipitation-, and streamflow-based criteria, were evaluated using an out-of-sample approach during the 1976–2005 reference period. Moreover, the unequal-weighting approaches were compared against the equal-weighting approach over the 1976–2005, 2041–2070, and 2070–2099 periods. The out-of-sample assessment showed that unequally weighted ensembles can improve the mean hydrograph representation under historical conditions compared to the common equal-weighting approach. In addition, results revealed that unequally weighting climate models not only impacted the magnitude and climate change signal, but also reduced the model response uncertainty spread of hydrological projections, particularly over rain-dominated basins. These results underline the need to further evaluate the adequacy of equally weighting climate models, especially for variables with generally larger uncertainty at regional scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,286
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetHydrology and Watershed Management StudiesTravaux en français237 207