The use of wavelet transform-based methods to analyze variability in hydrological data, multiscale linkages to large-scale climate oscillations, and for hydrological record extension
Notice bibliographique
Résumé
Les analyses de séries chronologiques de précipitation et de débit aident à comprendre l'évolution des changements climatiques et leur variabilité. L'indisponibilité des données et l'existence de multiples périodicités dans celles-ci, rend difficile la quantification de ces changements. Ces périodicités peuvent représenter l’influence d’oscillations climatiques à grande échelle (intra-annuelles à multi-décennales). Les méthodes de transformée en ondelettes (WT) permet d’évaluer les influences individuelles et simultanées des oscillations climatiques à petite et grande échelle sur les débits et de précipitations. La transformée en ondelettes discrètes (DWT) permet un prétraitement de données visant à améliorer les performances de huit méthodes d’extrapolation de données existantes : les moindres carrés ordinaires, extension du maintien de la variance (MOVE) types 1-4, ligne Kendall-Theil robuste (KTRL), KTRL2 et ligne robuste de corrélation organique (RLOC)). Les données de précipitations et de débit proviennent de stations situées à travers le Canada. Les oscillations climatiques incluses dans l'analyse sont : El Niño – Oscillation australe (ENSO), l'oscillation nord-atlantique (ONA) et l'oscillation décennale du Pacifique (ODP). Développant des approches novatrices basées sur les ondelettes, cette recherche comprend 4 volets. Le 1er, le fondement de cette recherche, démontre l'utilité de la transformée en ondelettes continue (CWT) et de la cohérence en ondelettes (WTC) pour établir des liens entre le flux des cours d’eau et ENSO, ONA et ODP. Ces techniques furent appliquées à des données provenant du Québec et de l'Ontario. Des périodicités significatives sur 4 à 8 ans furent liées à ENSO et NAO, tandis que celles de plus de 8 ans furent liées au PDO.Le 2e volet propose l'inclusion de deux procédés pour quantifier les liens entre le débit (données de 73 stations) et les oscillations climatiques. Tout d'abord, le principal point de rupture dans le flux fut identifié, puis, grâce à une CWT inverse, les composantes à basse fréquence (c.à.d., les tendances) du débit, cachées par les variations dominantes de fréquence supérieure, furent révélées. La plupart des points de rupture eurent lieu entre 1965-1975, lorsque des activités intenses ou des changements de phase dans l’ENSO et le NAO eurent lieu. La variabilité intra-annuelle à annuelle du débit masqua les effets des composantes à plus petite échelle, leur importance n'étant perceptible qu'après la reconstruction des données.Le 3e volet de cette thèse étend l'application du WTC : la cohérence à ondelettes multiples (MWC) servit comme méthode d'analyse multi-échelle et multivariée pour étudier les influences individuelles et combinées de ENSO, NAO et PDO. Ces influences impliquèrent trois combinaisons à deux facteurs (ENSO-NAO, ENSO-PDO et NAO-PDO) et une combinaison à trois facteurs (ENSO-NAO-PDO). Les procédures furent appliquées aux données de trois bassins versants (Alberta, Ontario et Terre-Neuve). Une augmentation de la cohérence moyenne des ondelettes (AWC) et du pourcentage de périodicités significatives (PoSP) furent notés pour tous les bassins versants, allant d’un seul facteur (une seule oscillation), à une combinaison de 2 facteurs, jusqu’à une combinaison à 3 facteurs, montrant l’AWC et les valeurs PoSP les plus élevés.Le 4e volet intègre la DWT comme prétraitement dans l'extension des enregistrements de flux provenant de 67 stations. Les méthodes basées sur la WT augmentèrent l'exactitude et la précision, en particulier celles de MOVE-WT (types 1 et 2), KTRL-WT, KTRL2-WT et RLOC-WT.Cette étude démontre l'efficacité des approches WT dans l'analyse des données hydrométéorologiques, permettant d’améliorer nos connaissances quant à la variabilité du débit et des précipitations dans de nombreuses régions du Canada et s’avérant donc utile pour améliorer les prévisions hydrologiques opérationnelles et la gestion durable des ressources en eau
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».