Assessment of Hydrologic Data Estimates From <scp>ERA5</scp> Reanalyses in Benin, West Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT In West Africa, the validation of distributed models is limited by the quality and availability of point station data measured in situ. ERA5 is a climate reanalysis product produced by the European Centre for Medium‐range Weather Forecasts (ECMWF) and is suggested to overcome this constraint. This study assessed and compared the quality of ERA5 and its variant ERA5‐Land (namely, LAND) over Benin at spatial and monthly time scales. ERA5 relies on a single‐level version with a 0.25° × 0.25° resolution, while LAND is a land surface version with a 0.1° × 0.1° resolution. Four variables were collected, namely, surface runoff (SRO), evapotranspiration (PET), water table depth (WTD) and soil water content (SWC). Single nearest pixel (SNP) and inverse distance weighting (IDW) selection methods were used to compare the reanalyse data to point station data based on the correlation (c), mean absolute error (MAE) and relative mean absolute error (RMAE). With the SNP method, both reanalyses showed a best peak simulation in mean SRO. Their performance in terms of correlation ranged from 0.26 to 0.65 for ERA5 vs. 0.34 to 0.60 for LAND. The reanalyses showed high correlations (generally > 0.80) for SWC and for the PET (sometime greater than 0.90). The correlations were below 0.5 in both reanalyses for the WTD, with slight overestimations (4.73 m for ERA5 vs. 3.13 m for LAND). Similar results were reported with the IDW selection method. One or the other of the two reanalyses can be recommended for model calibration/validation, but care must be taken in the choice because the one chosen may be better in terms of correlation even though it has significant biases and vice versa. Correcting the variables of these reanalysis datasets could also improve their 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.
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 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle