Evapotranspiration Estimation with the Budyko Framework for Canadian Watersheds
Notice bibliographique
Résumé
Actual evapotranspiration (AET) estimation plays a crucial role in watershed management. Hydrological models are commonly used to simulate watershed responses and estimate AET. However, their calibration heavily depends on station-based data, which is often limited in availability and frequently inaccessible, making the process challenging and time-consuming. In this study, the Budyko model framework, which effectively utilizes remote sensing data for hydrological modeling and requires the calibration of only one parameter, is adopted for AET estimation across Ontario, Canada. Four different parameter estimation methods were developed and compared, and an attribution analysis was also conducted to investigate the impacts of climate and vegetation factors on AET changes. Results show that the developed Budyko models performed well, with the best model achieving a Nash-Sutcliffe Efficiency (NSE) value of 0.74 and a Root Mean Square Error (RMSE) value of 55.5 mm/year. The attribution analysis reveals that climate factors have a greater influence on AET changes compared to vegetation factors. This study presents the first Budyko modeling attempt for Canadian watersheds. It demonstrates the applicability and potential of the Budyko framework for future case studies in Canada and other cold regions, providing a new, straightforward, and efficient alternative for AET estimation and hydrological 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 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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 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 | 0,000 |
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 ».