MétaCan
Menu
Retour à la cohorte
Enregistrement W4402101407 · doi:10.22541/au.172519019.93861346/v1

A critical assessment of Geological Weighing Lysimeters: Part 2 - modelling field scale soil moisture storage and hydrological fluxes

2024· preprint· en· W4402101407 sur OpenAlexaffabout
Morgan Braaten, Andrew Ireson, Martyn Clark

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversity of CalgaryUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLysimeterEnvironmental scienceScale (ratio)Hydrology (agriculture)Water contentMoistureField (mathematics)Soil scienceWater storageSoil waterGeologyGeotechnical engineeringGeomorphologyGeographyMeteorologyMathematicsCartography

Résumé

récupéré en direct d'OpenAlex

not-yet-known not-yet-known not-yet-known unknown Land surface models (LSMs) are used to simulate water and energy fluxes between the land surface and atmosphere. These simulations are useful for water resources management, drought and flood prediction, and numerical climate/weather prediction. However, the usefulness of LSMs are dependent by their ability to reproduce states and fluxes realistically. Accurate measurements of water storage are useful to calibrate and validate LSMs outputs. Geological Weighing Lysimeters (GWLs) are instruments that can provide field-scale estimates of integrated total water storage within a soil profile. We use field estimates of total water storage and subsurface storage to critically evaluate two different land surface models: the Modélisation Environnementale communautaire - Surface Hydrology (MESH) which uses the Canadian Land Surface Scheme (CLASS), and the Structure for Unifying Multiple Modeling Alternatives: (SUMMA). These models have differences in how the processes and properties of the land surface are represented. We attempted to parameterize each model in an equivalent manner, to minimize model differences. Both models were able to reproduce observations of total water storage and subsurface storage reasonably well. However, there were inconsistencies in the simulated timing of snowmelt; depth of soil freezing; total evapotranspiration; partitioning of evaporation between soil evaporation and evaporation of intercepted water; and soil drainage. No one model emerged as better overall, though each model had specific strengths and weaknesses that we describe. Insights from this study can be used to improve model physics and 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,483

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,273
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207