Modelling river ice processes in a small-steep-regulated river
Notice bibliographique
Résumé
River ice processes in small-steep-regulated rivers are distinct from those in larger and low-gradient rivers due to fast flow, shallow depths, highly variable and often unstable flow conditions. Existing river ice models are not well suited for these rivers because they rely on assumptions that misrepresent their characteristics and do not account for key ice processes, such as aufeis evolution. In this study, the University of Alberta’s River1D model was revised to improve its ability to simulate ice processes in small-steep-regulated rivers. Several key enhancements were implemented, including removal of the floating border ice assumption, a border ice retreat algorithm, an aufeis formation algorithm, a quasi-2D border ice profile algorithm, and refinement of anchor ice thermal release algorithm. The revised model was calibrated and validated on the Aishihik River, a regulated river in the Yukon, Canada, using comprehensive field data collected over two winter seasons. Water temperature and water level simulations achieved RMSEs of 0.11 °C and 0.20–0.25 m, respectively. Modelled border ice growth and retreat patterns aligned with field observations. Floodplain aufeis processes were reasonably captured, with differences between simulated and observed thicknesses ranging from 0.01 to 0.23 m, and the simulated extent in good agreement with field measurements. The enhanced River1D model offers a valuable tool for assessing the impacts of flow regulation, mitigating ice-related hazards, and evaluating climate change scenarios in small-steep-regulated rivers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».