Towards a synthesis of perceptual models of dominant hydrologic processes across North America
Notice bibliographique
Résumé
There is increasing recognition that providing robust assessments of future water resource availability and water-related risks requires the use of the right models in the right places. Traditionally, selecting or developing an appropriate model for a given basin was possible based on thorough understanding of the dominant hydrologic processes in the basin under consideration. On national, continental, and global scales however, the commonly used method so far has been a “one model fits all” approach. This is in part due to the lack of a comprehensive overview of how dominant hydrologic processes vary across large geographical domains.Here we introduce a community-driven synthesis effort to address this large-scale hydrologic challenge, focusing on North America as a test case. Over the past half year, we have convened multiple virtual workshops and organized several in-person opportunities to bring together water science experts working in various regions across the continent. The workshops covered five key parts of the continent (the densely populated East and West coasts, the center region used for agriculture, the northern regions that are particularly vulnerable to climate change, and the tropical islands). Invited speakers shared their knowledge, experience, and expertise around the dominant hydrologic processes and existing modeling efforts in these regions. These were followed by structured discussion among the workshop attendees, as well as during dedicated further interactions later, to divide the continent into a manageable number of hydrologic landscapes and to define representative perceptual models of hydrologic behavior for the various parts of each larger region. Here we present an overview of these resulting perceptual models and invite further discussion. Ultimately, these perceptual models can be mapped onto computational models, modules and individual equations, and so support a theory-based large-scale effort to develop the most appropriate hydrologic model for any location in the wider North American domain. The methodology used is not unique to the North American context and similar approaches could be used elsewhere where large-scale synthesis of hydrologic process understanding is desired. 
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) | 0,001 | 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 | 0,001 | 0,002 |
| 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 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 ».