Notice bibliographique
Résumé
<strong class="journal-contentHeaderColor">Abstract.</strong> In West Africa, the validation of distributed models is limited by the quality and availability of point station data measured in-situ. ERA5 is a climate reanalysis produced by European Centre for Medium-range Weather Forecasts (ECMWF) and suggested to overcome this constraint. This study assessed and compared over the Benin basins at spatial and monthly time scale, the quality of ERA5 and its variant ERA5-Land (namely LAND). ERA5 relies on the single-levels version with 0.25° x 0.25° resolution while LAND is the land surface version with 0.1° x 0.1° resolution. Four variables were collected including runoff, evapotranspiration (ETR), water table depth (WTD), and soil water content (SWC). Point station data were analyzed using the correlation performance evaluators, Mean Absolute Error (m) and Relative Mean Absolute Error (r). The results showed that LAND simulates well the peaks of mean runoff. It showed the best runoff performance in terms of correlation (~0.61) compared with ERA5 (correlation ~0.49). Both reanalysis showed high correlations (generally > 0.80) for SWC, but the correlations obtained from ETR are slightly lower (ERA5~0.58 vs. ERA5-Land~0.54). Correlations were below 0.5 on both reanalyses for WTD with slight overestimation (m=4.73 m for ERA5 vs. m=3.13 m for LAND). This study does not identify any reanalysis that is better than another, both spatially and monthly scale. Nevertheless, this study indicated that the choice of reanalyses must rely on their performance and the given water cycle element. Correcting the variables of these reanalysis could also improve their performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,022 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».