What are the top priorities for (co-) creating hydrological forecast systems that add value across spatial scales and time horizons? Outcomes from the 2023 HEPEX workshop
Notice bibliographique
Résumé
Creating forecast systems that add value across spatial scales and time horizons is crucial for a variety of fields, from meteorology and climate science to business and public policy. The priorities for developing such systems may vary depending on the specific domain and objectives. The international community of practice of the Hydrological Ensemble Prediction Experiment (HEPEX) has been seeking to advance the science and practice of hydrological ensemble prediction and its use in impact- and risk-based decision-making. Over the years, HEPEX has been promoting knowledge utilising cutting-edge techniques and data to innovate hydrological forecasting methods, products and systems, and improve services for users in the water-related sectors. During the 2023 HEPEX workshop in Norrköping, Sweden, (https://hepex.org.au/hepex-workshop-2023-forecasting-across-spatial-scales-and-time-horizons/), the community proposed and elaborated on the key priorities for (co-)creating hydrological forecast systems that are broadly applicable and can add value for local/regional decision-making. The notes from five breakout groups (about 10 participants in each group) were collected and analysed, while the proposed efforts and ways forward were classified and prioritised. Here, we present the outcomes from these breakout discussions, while we support the identified priorities providing backgrounds on the science needed, the HEPEX contribution towards these priorities, and the path forward for contributing to the United Nations Early Warnings for All (EW4All) initiative.
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 | 0,077 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».