Modelling Hydrological Droughts in Canadian Rivers Based on Markov Chains Using the Standardized Hydrological Index as a Platform
Notice bibliographique
Résumé
The standardized hydrological index (SHI) is the standardized but not normalized (normal probability variate) value of the streamflow used to characterize a hydrological drought, akin to the standardized precipitation index (SPI, which is both standardized and normalized) in the realm of the meteorological drought. The time series of the SHI can be used as a platform for deriving the longest duration, LT, and the largest magnitude, MT (in standardized form), of a hydrological drought over a desired return period of T time units (year, month, or week). These parameters are predicted based on the SHI series derived from the annual, monthly, and weekly flow sequences of Canadian rivers. An important point to be reckoned with is that the monthly and weekly sequences are non-stationary compared to the annual sequences, which fulfil the conditions of stochastic stationarity. The parameters, such as the mean, standard deviation (or coefficient of variation), lag 1 autocorrelation, and conditional probabilities from SHI sequences, when used in Markov chain-based relationships, are able to predict the longest duration, LT, and the largest magnitude, MT. The product moment and L-moment ratio analyses indicate that the monthly and weekly flows in the Canadian rivers fit the gamma probability distribution function (pdf) reasonably well, whereas annual flows can be regarded to follow the normal pdf. The threshold level chosen in the analysis is the long-term median of SHI sequences for the annual flows. For the monthly and weekly flows, the threshold level represents the median of the respective month or week and hence is time varying. The runs of deficit in the SHI sequences are treated as drought episodes and thus the theory of runs formed an essential tool for analysis. This paper indicates that the Markov chain-based methodology works well for predicting LT on annual, monthly, and weekly SHI sequences. Markov chains of zero order (MC0), first order (MC1), and second order (MC2) turned out to be satisfactory on annual, monthly, and weekly scales, respectively. The drought magnitude, MT, was predicted satisfactorily via the model MT = Id × Lc, where Id stands for drought intensity and Lc is a characteristic drought length related to LT through a scaling parameter, ɸ (= 0.5). The Id can be deemed to follow a truncated normal pdf, whose mean and variance when combined implicitly with Lc proved prudent for predicting MT at all time scales in the aforesaid relationship.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».