Global hydrological models continue to overestimate river discharge
Notice bibliographique
Résumé
Abstract Global hydrological models (GHMs) are widely used to assess the impact of climate change on streamflow, floods, and hydrological droughts. For the ‘model evaluation and impact attribution’ part of the current round of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP3a), modelling teams generated historical simulations based on observed climate and direct human forcings with updated model versions. Here we provide a comprehensive evaluation of daily and maximum annual discharge based on ISIMIP3a simulations from nine GHMs by comparing the simulations to observational data from 644 river gauge stations. We also assess low flows and the effects of different river routing schemes. We find that models can reproduce variability in daily and maximum annual discharge, but tend to overestimate both quantities, as well as low flows. Models perform better at stations in wetter areas and at lower elevations. Discharge routed with the river routing model CaMa-Flood can improve the performance of some models, but for others, variability is overestimated, leading to reduced model performance. This study indicates that areas for future model development include improving the simulation of processes in arid regions and cold dynamics at high elevations. We further suggest that studies attributing observed changes in discharge to historical climate change using the current model ensemble will be most meaningful in humid areas, at low elevations, and in places with a regular seasonal discharge as these are the regions where the underlying dynamics seem to be best represented.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,013 |
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 ».