MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389881157 · doi:10.5194/hess-2023-187-ac1

Reply on RC2

2023· peer-review· en· W4389881157 sur OpenAlexaff
Ricardo Mantilla

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

A series of numerical experiments were conducted to test the connection between streamflow hydrographs at the outlet of large watersheds and the time series of hillslope-scale runoff yield. We used a distributed hydrological routing model that discretizes a large watershed ( ∼ 17 000 km 2 ) into small hillslope units ( ∼ 0.1 km 2 ) and applied distinct surface runoff time series to each unit that deliver the same volume of water into the river network. The numerical simulations show that distinct runoff delivery time series at the hillslope scale result in indistinguishable streamflow hydrographs at large scales. This limitation is imposed by space-time averaging of input flows into the river network that are draining the landscape. The results of the simulations presented in this paper show that, under very general conditions of streamflow routing (i.e., nonlinear variable velocities in space and time), the streamflow hydrographs at the outlet of basins with Horton–Strahler (H–S) order 5 or above (larger than 100 km 2 in our setup) contain very little information about the temporal variability of runoff production at the hillslope scale and therefore the processes from which they originate. In addition, our results indicate that the rate of convergence to a common hydrograph shape at larger scales (above H–S order 5) is directly proportional to how different the input signals are to each other at the hillslope scale. We conclude that the ability of a hydrological model to replicate outlet hydrographs does not imply that a correct and meaningful description of small-scale rainfall–runoff processes has been provided. Furthermore, our results provide context for other studies that demonstrate how the physics of runoff generation cannot be inferred from output signals in commonly used hydrological models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,514

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,004
Science ouverte0,0040,003
Intégrité de la recherche0,0290,023
Charge utile insuffisante (le modèle a refusé de juger)0,1540,120

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 Opus0,093
Tête enseignante GPT0,400
Écart entre enseignants0,307 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClinical Nutrition and Gastroenterology→Travaux en français237 207→