MétaCan
Menu
Retour à la cohorte
Enregistrement W4408437774 · doi:10.5194/egusphere-egu25-7228

Towards a synthesis of perceptual models of dominant hydrologic processes across North America

2025· preprint· en· W4408437774 sur OpenAlexaff
Wouter Knoben, Ying Fan, Irene Garousi-Nejad, Julia Masterman, Hilary McMillan, Jordan S. Read, Katie van Werkhoven, M. Diane Clark

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPerceptionHydrological modellingEnvironmental scienceGeographyComputer scienceEnvironmental resource managementGeologyPsychologyClimatology

Résumé

récupéré en direct d'OpenAlex

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,271
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,265
Écart entre enseignants0,242 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Geostatistics and MappingTravaux en français237 207