Efecto de la discretización espacial sobre las simulaciones de caudal con el modelo distribuido CEQUEAU
Bibliographic record
Abstract
El presente trabajo analiza el efecto que tiene la discretización espacial de unacuenca sobre los resultados de las simulaciones de caudal con el modeloCEQUEAU. Este modelo es de tipo distribuido, y se desarrolló por el Instituto Nacional de Investigación Científica de la Universidad de Quebec, Canadá.CEQUEAU ha sido empleado en varios países para la modelación de escurrimientos y utilizado en estudios de comparación de modelos efectuada por la Organización Meteorológica Mundial (OMM). El modelo discretiza la cuenca en elementos cuadrados y el balance hídrico se realiza cuadro por cuadro, tomando en cuenta precipitación, temperatura, porcentaje de lagos, porcentaje de bosque, etcétera. El principal objetivo del trabajo consistió en identificar criterios para determinar el tamaño de cuadro óptimo de discretización de una cuenca, asumiendo una representación adecuada de la precipitación. Se analizaron ocho cuencas de diferentes tamaños y con diferentes climas en la república mexicana. Las características fisiográficas han sido determinadas con el SIG-Idrisi. Además,CEQUEAU fue calibrado y validado todos los días, con varios tamaños de cuadro, evaluando el nivel de certidumbre de los resultados con los criterios numérico de Nash y gráficos. Con base en los resultados obtenidos bajo el diseño experimental propuesto, se construyó un adecuado modelo matemático de tipo regresivo para obtener el tamaño óptimo del cuadro de discretización espacial, utilizando como variables explicativas parámetros fisiográficos de fácil obtención.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".