A Flexible Framework for Simulating the Water Balance of Lakes and Reservoirs From Local to Global Scales: mizuRoute‐Lake
Notice bibliographique
Résumé
Abstract Lakes and reservoirs are an integral part of the terrestrial water cycle. In this work, we present the implementation of different water balance models of lakes and reservoirs into mizuRoute, a vector‐based routing model, termed mizuRoute‐Lake. As the main advantage of mizuRoute‐Lake, users can choose between various parametric models implemented in mizuRoute‐Lake. So far, three parametric models of lake and reservoir water balance, namely Hanasaki, HYPE, and Döll are implemented in mizuRoute‐Lake. In general, the parametric models relate the outflow from lakes or reservoirs to the storage and various parameters including inflow, demand, volume of storage, etc. Additionally, this flexibility allows users to easily evaluate and compare the effect of various water balance models for a lake without needing to reconfigure the routing model or change the parameters of other lakes or reservoirs in the modeling domain. Users can also use existing data such as historical observations or water management models to specify the behavior of a selected number of lakes and reservoirs within the modeling domain using the data‐driven capability of mizuRoute‐Lake. We demonstrate the flexibility of mizuRoute‐Lake by presenting global, regional, and local scale applications. The development of mizuRoute‐Lake paves the way for better integration of water management models, locally measured, and remotely sensed data sets in the context of Earth system modeling.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».