A Probabilistic Approach to Characterizing Drought Using Satellite Gravimetry
Notice bibliographique
Résumé
Abstract In the recent past, the Gravity Recovery and Climate Experiment (GRACE) satellite mission and its successor GRACE Follow‐On (GRACE‐FO), have become invaluable tools for characterizing drought through measurements of Total Water Storage Anomaly (TWSA). However, the existing approaches have often overlooked the uncertainties in TWSA that stem from GRACE orbit configuration, background models, and intrinsic data errors. Here we introduce a fresh view on this problem which incorporates the uncertainties in the data: the Probabilistic Storage‐based Drought Index (PSDI). Our method leverages Monte Carlo simulations to yield realistic realizations for the stochastic process of the TWSA time series. These realizations depict a range of plausible drought scenarios that later on are used to characterize drought. This approach provides probability for each drought category instead of selecting a single final category at each epoch. We have compared PSDI with the deterministic approach (Storage‐based Drought Index, SDI) over major global basins. Our results show that the deterministic approach often leans toward an overestimation of storage‐based drought severity. Furthermore, we scrutinize the performance of PSDI across diverse hydrologic events, spanning continents from the United States to Europe, the Middle East, Southern Africa, South America, and Australia. In each case, PSDI emerges as a reliable indicator for characterizing drought conditions, providing a more comprehensive perspective than conventional deterministic indices. In contrast to the common deterministic view, our probabilistic approach provides a more realistic characterization of the TWS drought, making it more suited for adaptive strategies and realistic risk management.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 tête enseignante, 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 ».