MétaCan
Menu
Retour à la cohorte
Enregistrement W7082969074 · doi:10.1016/j.jhydrol.2025.134258

Comparing the performance of convection-permitting WRF output with reanalysis datasets for glacier energy balance and hydrological modelling in the Central Himalaya

2025· article· en· W7082969074 sur OpenAlexafffund

Notice bibliographique

RevueJournal of Hydrology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueMathematics, Computing, and Information Processing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWeather Research and Forecasting ModelGlacierGlacier mass balanceStreamflowForcing (mathematics)Climate changeEnergy balanceWater balanceTemporal scales

Résumé

récupéré en direct d'OpenAlex

Global warming impacts water resources through rapid glacier retreats in the high-altitude and high-latitude regions, posing an immediate threat to ecosystems and human societies. So, exploring the warming-driven hydro-climatic changes is critical, particularly in the mountainous areas with extreme and complex topography, where geophysical processes function at a very find spatial and temporal scale. The under-representation of such scale-dependent processes in the existing literature has limited our ability to quantify glacier melt rate and changes in stream discharge accurately. In this study, we take Himalaya’s glaciated catchments (the Langtang catchment) as an example study area and employ a cloud-resolving atmospheric model (Weather Research and Forecasting (WRF) model) coupled with a fully distributed hydro-glacial model (WRF-Hydro/Glacier) to investigate how atmospheric processes – that are unique to extreme topographic settings – influence glacial melt in these regions. To establish the robustness of our approach, we also force the WRF-Hydro/Glacier model with the advanced global climate reanalysis datasets, which are widely referenced in the literature. We then evaluate the WRF-Hydro/Glacier output against surface observations, highlighting the superiority of the cloud-resolving WRF output in providing initial conditions to the hydro-glacial model. The representation of cloud processes in the high-resolution atmospheric model, a critical atmospheric mechanism that occurs at fine spatial and temporal scales, is significant in mountainous topography and is crucial in glacier energy balance and streamflow simulation. Therefore, this approach is essential for accurately assessing the impacts of climate change on high-altitude glaciated catchments worldwide.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,238
Écart entre enseignants0,220 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of HydrologyMême sujetMathematics, Computing, and Information ProcessingTravaux en français237 207