Improving process understanding using multi-criteria model comparison for different catchments
Notice bibliographique
Résumé
Hydrological models differ in the way how hydrological processes are implemented. A rigorous comparison of different hydrological model structures is needed to disentangle the link between similarities and differences in process representations and simulated hydrological processes, states and fluxes. A major challenge in model comparison is to identify effects of individual processes. To move a step in this direction, we developed controlled experiments and compared three hydrological models (HBV, mHM, SWAT+) in nine German catchments (400-3000 km²) along an elevation gradient. We aim at presenting a framework for a consistent comparison of process representations in model structures consisting of three steps:(1) A model comparison protocol was developed for a detailed comparison of process representations in model structures. Consistency was achieved by using the same input data for all models. By grouping the processes in a standardized way, differences and similarities between the models were identified.(2) To investigate the dominant model components, a daily parameter sensitivity analysis was carried out for the three models with different hydrological variables as target variables (e.g. actual evapotranspiration, soil moisture, snow and discharge). The dominant model parameters and associated processes vary more between the models than between the catchments. This also applies to the temporal variability of the parameter sensitivity.(3) The model performance was analysed for a set of different performance criteria. The optimal parameter values differ greatly depending on which performance criteria were selected. This is in particular true for soil and evapotranspiration parameters. Typical patterns can be derived between catchments of different landscapes.The joint analysis of these three methodological steps demonstrates the benefit of a detailed process analysis in model structures for a better understanding of suitable process representations. Therefore, it shows the potentials for improving model structures.
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 | 0,023 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».