A simple approach to represent precipitation-derived freshwater fluxes into nearshore ocean models: an FVCOM4.1 case study of Quatsino Sound, British Columbia
Notice bibliographique
Résumé
Abstract. High-resolution numerical ocean models can be used to help interpret sparse observations in the nearshore and to help understand the impacts of climate change and extreme events on these dynamically complex coastal areas. However, these high-resolution ocean models require inputs with comparably high resolution, which is particularly difficult to achieve for freshwater discharge. Here, we explored a simple rain-based hydrological model as input into a high-resolution (≳ 13 m) model of Quatsino Sound – a fjord system located on the northwestern coast of Vancouver Island, British Columbia, Canada. Through a series of sensitivity tests using an application of the Finite Volume Community Ocean Model (FVCOM version 4.1), we found that model performance was hindered by the lack of knowledge of ungauged rivers and streams. In this case study, including the only major gauged river implied ignoring 538 other watersheds of various sizes and accounted for only about a quarter of the total estimated freshwater discharge. We found that including at least 60 % and ideally closer to 75 %–80 % of total freshwater fluxes gave similar model performance to including all possible 539 freshwater sources; in our model simulations, this percentage of freshwater flux meant including rivers with watersheds greater than 20–50 km2, corresponding to 7–19 total rivers. Further sensitivity tests also indicated that knowing the main outpour locations into the nearshore ocean is an important factor, but it is not as important as the total freshwater discharge included. Overall, this study illustrates the complexities of studying the land–ocean connection and offers a simple and accessible tool to help address a common problem in nearshore modelling.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| 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 | 0,000 |
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 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 ».