Simultaneous Evaluation of Streamflow Data Assimilation for Addressing Precipitation Error Propagation and Hydrological Model Equifinality
Notice bibliographique
Résumé
Quantitative precipitation estimates (QPE), the main input driving hydrological model simulations, are known to have different levels of uncertainty across spatial and temporal scales. These uncertainties propagate through model simulations and thus lead to erroneous estimations of hydrological variables and extreme events. The role of equifinality—where different model structures or parameter sets produce similarly acceptable hydrological results—needs further research in the context of precipitation error propagation. Additionally, while data assimilation (DA) is a well-established method to improve model predictive performance by addressing various sources of uncertainty, its application to precipitation error propagation under the influence of model equifinality has received limited attention. This study investigates these gaps by leveraging the Raven hydrological modelling framework in combination with the dynamically dimensioned search (DDS) algorithm to calibrate streamflow at the outlets of multiple catchments across Southern Manitoba. Hence, different sets of optimized parameters are identified for each catchment, reflecting equifinality in the model structure and calibration. Subsequently, the calibrated model is driven by precipitation estimates from various satellite-based and reanalysis precipitation products to examine the propagation of precipitation errors through hydrological simulations. Finally, the study evaluates the effectiveness of streamflow data assimilation in correcting precipitation-induced errors in streamflow and improving the accuracy and robustness of the hydrological model. By systematically addressing the interplay between precipitation uncertainty, model equifinality, and data assimilation, this work provides novel insights into improving hydrological simulations.
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 | 0,002 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».