Measuring, modeling and assessing evaporative fluxes over an \n integrated lake-wetland system in Southern Quebec
Notice bibliographique
Résumé
Evapotranspiration (ET) is the second largest component of the hydrological cycle globally and a major factor in surface energy balance. Despite its importance, quantifying evapotranspiration presents high uncertainties due to limitations in available data and modeling approaches. This thesis provides – for the first time – a temporally high-resolution ET dataset (30 minutes) using Eddy Covariance method for a lake-wetland duo in Southern Québec during 2020’s growing season, during the Covid-19 pandemic lockdown. In addition, this thesis benchmarks the performance of 40 existing ET models – the largest number of empirical ET models intercompared to date – across different time scales, times of the day and times of the season. The benchmarking effort uses a non-dominated sorting framework with multiple goodness-of-fit measures to rank models. In general, the most non-falsified models in the marsh are Carpenter (aerodynamic), McMillan (aerodynamic), Kimberley-Penman (combination) and Stephens-Stewart (temperature-hybrid). In the lake, Hamon’s (temperature) equation remains non-falsified across most scenarios. Comparing continuous simulations in the two landscapes, the expected Nash-Sutcliffe Efficiency of non-falsified models is consistently higher in the marsh across all timescales from half-hour to one month and different times of the season. Considering different diurnal segments, the performance of non-falsified models becomes comparable in daytime and strictly better in the lake during nighttime. ET was better estimated during daytime and nighttime separately than full days. Overestimation of ET was observed during local temperature peaks preceded by prolonged net radiation peaks without precipitation, which potentially points at models’ inability to capture the effect of stomata closure of the canopy during heatwaves. Capturing evapotranspiration in wetlands and lakes requires more physically-based parameterizations to represent thermal and biological dynamics at weekly and finer scales. This study also provides evidence for the necessity of using multi-objective ranking to benchmark evapotranspiration and points at strategic directions for future developments.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».