MétaCan
Menu
Retour à la cohorte
Enregistrement W4409662269 · doi:10.1002/wat2.70018

The Unexploited Treasures of Hydrological Observations Beyond Streamflow for Catchment Modeling

2025· article· en· W4409662269 sur OpenAlexaff
Paul D. Wagner, Doris Duethmann, Jens Kiesel, Sandra Pool, Markus Hrachowitz, Serena Ceola, Anna Herzog, Tobias Houska, Ralf Loritz, Diana Spieler, Maria Staudinger, Larisa Tarasova, Stephan Thober, Nicola Fohrer, Doerthe Tetzlaff, Thorsten Wagener, Björn Guse

Notice bibliographique

RevueWiley Interdisciplinary Reviews Water · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésStreamflowDrainage basinHydrology (agriculture)Catchment hydrologyEnvironmental scienceGeologyGeographyCartographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT While measured streamflow is commonly used for hydrological model evaluation and calibration, an increasing amount of data on additional hydrological variables is available. These data have the potential to improve process consistency in hydrological modeling and consequently for predictions under change, as well as in data‐scarce or ungauged regions. Here, we show how these hydrological data beyond streamflow are currently used for model evaluation and calibration. We consider storage and flux variables, namely snow, soil moisture, groundwater level, terrestrial water storage, evapotranspiration, and altimetric water level. We aim at summarizing the state‐of‐the‐art and providing guidance for the use of additional hydrological variables for model evaluation and calibration. Based on a review of the current literature, we summarize observation methods and uncertainties of currently available data sets, challenges regarding their implementation, and benefits for model consistency. The focus is on catchment modeling studies with study areas ranging from a few km 2 to ~500,000 km 2 . We discuss challenges for implementing alternative variables that are related to differences in the spatio‐temporal resolution of observations and models, as well as to variable‐specific features, for example, discrepancy between observed and simulated variables. We further discuss advancements required to deal with uncertainties of the hydrological data and to integrate multiple, potentially inconsistent datasets. The increased model consistency and improvement shown by most reviewed studies regarding the additional variables often come at the cost of a slight decrease in streamflow model 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,039
Tête enseignante GPT0,299
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews WaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207