Impacts of severe land use changes on the hydrology of snow dominated catchments in southern Quebec
Notice bibliographique
Résumé
The present study evaluates the hydrological response to severe land use changes using the distributed physically-based hydrological model HYDROTEL over 89 catchments in Eastern North America. Additionally, two catchments were selected to assess the impacts on past extreme flood events. Streamflow simulations were generated using three regional climate simulations from the Canadian Regional Climate Model version 5 (CRCM5) for the 1986–2015 period. The simulations were based on current land use (EVAL) and two extreme land use scenarios with only grass (GRASS) and only forest (FOREST) land use. The FOREST and GRASS simulations include the feedback of land-use to climate. The Multivariate Bias Correction (MBCn) algorithm was applied to correct biases in EVAL simulation, with the same coefficients used for GRASS and FOREST simulations to ensure a consistent climate baseline and maintain the spread of the simulations. HYDROTEL’s land-use inputs were adjusted to match those from the CRCM5 simulations. The results indicated significant changes in both the timing and magnitude of spring peak flows associated with snowmelt: the FOREST scenario showed earlier, reduced peak flows, while the GRASS scenario led to delayed, larger peaks. Additionally, the catchments were categorized by size-large (>1000 km 2 ), medium (500–1000 km 2 ), and small (<500 km 2 )-to evaluate size-related impacts. A model comparison was conducted between HYDROTEL and the physically-based distributed model WaSiM on two diverse catchments, revealing that HYDROTEL demonstrated higher sensitivity to snowmelt and accumulation processes (because of its multi-land use snow model structure), while WaSiM showed greater sensitivity to evapotranspiration (due to its Richards-equation-based soil module). Finally, it was found that the RCM-simulated land use-climate feedback is considerably more important than the hydrological model land-use change effect on the spring flood modification.
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 | 0,000 | 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 ».