Comparative Evaluation of Gridded Precipitation Datasets in Capturing Hydrological Extremes in a Mesoscale Heterogeneous Catchment in Austria
Notice bibliographique
Résumé
ABSTRACT Accurate representation of extreme precipitation is crucial for assessing flood hazards and developing risk mitigation strategies. For such applications, gridded Precipitation Products (PPs) can be a promising alternative to traditional point measurements, especially in regions where such measurements are sparse or non‐existent. However, the accuracy of PPs in representing extreme precipitation should be evaluated before use. In this study, we evaluate the performance of four PPs (SPARTACUS v2.1, IMERG‐F v07, CHIRPS v2.0, and ERA5‐Land) against 33 precipitation gauges at a daily time scale over the Kamp catchment in Austria for the period 1998–2020. The hydrological response in the catchment is influenced not only by the intensity of extreme precipitation events but also by antecedent soil moisture and seasonal conditions. Continuous and categorical performance metrics are used to evaluate the performance of the PPs at gauge locations. Additionally, the Soil and Water Assessment Tool Plus (SWAT+) model is used to assess the reliability of PPs when used as forcings for hydrological modelling. The results reveal that while most evaluated products can detect no‐rain events, their ability to capture extreme precipitation events varies notably. SPARTACUS v2.1 exhibited the best ability to detect extremes at gauge locations, resulting in streamflow simulation that closely matched the observed data. IMERG‐F v07 demonstrated moderate performance in both extreme precipitation detection and corresponding peak flow generation. In contrast, CHIRPS v2.0 and ERA5‐Land showed poor performance in representing extreme precipitation, resulting in underestimated high flows and lower reliability in simulating flood‐related hydrological processes. These findings highlight the importance of evaluating the ability of PPs in capturing extreme precipitation to ensure reliable simulation of flood peaks and hydrological extremes. We conclude that catchment‐specific validation linking precipitation extremes to hydrological responses is essential for selecting appropriate precipitation forcings for hydrological applications.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».