Évaluation de l’utilisation des données des réanalyses ERA5 \net ERA5-Land pour la modélisation de l’évapotranspiration
Notice bibliographique
Résumé
Cette étude se penche sur la valeur ajoutée de l’utilisation de données des réanalyses ERA5 et ERA5-Land pour l’estimation de l’évapotranspiration en modélisation hydrologiques. Les outils de modélisation (modèles et formules internes) doivent être ajustés localement et ne permettent souvent pas d’extraire des résultats intermédiaires à la réponse finale par manque de représentativité physique à l’interne même des modèles. Malheureusement, l’utilisation de ces outils se fait aussi par défaut de disponibilité suffisante en données hydrologiques et climatiques. Dans le but d’explorer le chemin vers des outils plus représentatifs, l’étude utilise de nouvelles données qui sont beaucoup plus exhaustives que les observations, permettant l’essai de formules à bases physiques pour caractériser les processus sous-jacents d’un modèle hydrologique. Plus précisément les données de réanalyses de dernière génération ERA5 et ERA5-Land. À ces données est couplé l’essai de 14 différentes estimations de l’évapotranspiration. Cet agencement permet de tester le potentiel de l’utilisation de formulation d’évapotranspiration potentielle (ETP) plus physique sur les résultats en modélisation hydrologique et donc d’ouvrir la porte vers ces changements. Afin d’assurer une généralisation la plus grande de cette étude, 1169 bassins versants sont analysés. Ils sont répartis sur l’ensemble de l’Amérique du Nord, donc au Canada, aux États-Unis et au Mexique. À cela s’ajoute l’utilisation de deux modèles hydrologiques. L’analyse des résultats se fait par l’entremise de la qualité de la modélisation, qui est jugée par la valeur du critère de performance de Kling-Gupta (KGE). Les observations restent le chef de file si l’on ne considère que les valeurs de KGE obtenues en calibration. Il y a toutefois des exceptions pour les régions montagneuses comme les rocheuses au Canada, les régions plus au nord du Canada et pour le Mexique. Dans ces cas, de meilleurs résultats en calibration avec les données de réanalyses (ERA5 et ERA5-Land) sont observables. Somme toute, la supériorité en calibration des observations ne sous-entend pas de mauvais résultats pour les données de réanalyses. Les résultats en modélisation hydrologique pour les combinaisons utilisant l’ETP à base plus physique montrent qu’il est possible d’obtenir des modèles aussi bien calibrés que par l’entremise de formulations d’ETP plus simples et plus empiriques. En général, certaines formulations plus simples génèrent de meilleurs résultats et il y a une difficulté notable en modélisation dans la région centrale des États-Unis. Somme toute, l’étude montre le potentiel en modélisation hydrologique favorable des réanalyses ainsi que le potentiel des données de réanalyses combinées à des méthodes à base plus physiques afin d’estimer l’ETP.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».