MétaCan
Menu
Back to cohort
Record W2309827372

Évaluation du potentiel des réanalyses à représenter le cycle hydrologique de surface et de leur performance en modélisation hydrologique dans la province de Québec au Canada

2015· article· fr· W2309827372 on OpenAlexfundaboutno aff
Florent Sabarly

Bibliographic record

VenueEspace École de technologie supérieure (École de technologie supérieure) · 2015
Typearticle
Languagefr
FieldEnvironmental Science
TopicHydrology and Watershed Management Studies
Canadian institutionsnot available
FundersNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaEuropean Centre for Medium-Range Weather ForecastsHydro-QuébecCanon Foundation for Scientific ResearchNational Aeronautics and Space Administration
KeywordsForestryWestern europeHumanitiesGeographyPhilosophyEuropean union
DOInot available

Abstract

fetched live from OpenAlex

La province de Québec au Canada possède une importante ressource en eau douce. Cette ressource constitue un intérêt considérable pour la province, notamment vis-à-vis du potentiel de production hydroélectrique qu'elle représente. La production d'une telle énergie nécessite de bien connaître le cycle hydrologique des régions et bassins versants d'intérêt. L'étude du cycle hydrologique s'effectue habituellement à travers l'analyse de données météorologiques et hydrologiques, mesurées grâce à des stations d'observation, et/ou à l’aide de la modélisation hydrologique. Cependant, la densité de stations d'observations est très inégale au Québec. En effet, de nombreuses stations recouvrent le sud de la province, tandis que le nord est fortement délaissé. \n \nToutefois, il existe des jeux de données alternatives possédant la particularité de recouvrir les régions d'intérêt au complet sous forme de grille, comme par exemple les données d'observations interpolées et les réanalyses. Cependant, les jeux de données interpolées sur grille peuvent présenter un niveau de représentativité météorologique discutable dans les régions où l'interpolation a été réalisée avec un nombre très réduit de stations. Les réanalyses sont générées de la même manière que les sorties d'un modèle de prévisions météorologiques, à la différence près que le modèle météorologique ne fait pas l'objet de mise à jour ni de modification durant le processus de génération des données. De plus, les réanalyses produisent des jeux de données historiques (et jusqu’à ce jour dans certains cas) à partir de l’assimilation de données d’observation issues de satellites, bateaux, ballons sondes, avions, bouées ou stations météo notamment. \n \nCette étude vise à évaluer le potentiel des réanalyses à représenter le cycle hydrologique de surface au Québec, et à évaluer leur performance en modélisation hydrologique sur des bassins versants du Québec. L'analyse du cycle hydrologique des réanalyses CFSR, NARR, MERRA et ERA-Interim est réalisée selon trois échelles spatiales différentes: (1) sur la totalité du Québec, (2) suivant les cinq régions climatiques de Bukovsky au Québec et (3) à l’échelle des bassins versants dans six régions hydrologiques de la province. Les résultats révèlent que chacune des réanalyses a ses propres forces et faiblesse. Globalement, ERAInterim semble présenter les précipitations les plus fiables, alors que NARR montre les résultats les moins concluants. Contrairement aux trois autres réanalyses, MERRA présente un bilan hydrologique fermé. Cependant, cette réanalyse ne distribue pas, dans les proportions attendues, la précipitation en évaporation et en ruissellement. Cette dernière caractéristique est bien respectée par CFSR, toutefois, cette réanalyse présente des précipitations bien supérieures aux trois autres. \n \nSuite à cette étude, la performance des quatre réanalyses en modélisation hydrologique a été évaluée avec le modèle global conceptuel HSAMI. La performance a été quantifiée par l'intermédiaire du Critère de Nash-Sutcliffe sur 106 bassins versants du Québec, sur les années 1979 à 2008 et selon les six régions hydrologiques québécoises. Un total de 30 calages du modèle a été réalisé, ainsi qu'une validation avec le jeu de paramètres ayant fourni le meilleur coefficient de Nash-Sutcliffe en calage sur chaque bassin versant. Les résultats indiquent globalement une bonne capacité des réanalyses à reproduire les débits observés en rivière, notamment dans les régions nordiques du Québec, avec des coefficients de Nash-Sutcliffe allant de 0.6 à 0.9. Parmi les quatre réanalyses, ERA-Interim présente les distributions de valeurs de Nash-Sutcliffe les plus élevées, bien que sa supériorité ne soit pas statistiquement significative. Par ailleurs, les précipitations peu fiables de NARR sur le Québec influencent les performances de cette réanalyse à la baisse, et révèle donc les performances les plus faibles parmi les quatre réanalyses. MERRA et CFSR font globalement jeu égal sur les six régions hydrologiques. \n \nEn conclusion, les réanalyses montrent des résultats prometteurs, tant dans leur capacité à représenter le cycle hydrologique que dans leur performance en modélisation hydrologique. Par ailleurs, en vue de valider leur applicabilité dans le cadre d'études hydrologiques, il serait pertinent d'appuyer ces résultats en comparant les données de réanalyses directement avec des données de stations d'observations, notamment dans le nord du Québec. Finalement, il serait intéressant à l'avenir de compléter l'étude de la performance en modélisation hydrologique des réanalyses par des études similaires faisant appel à d'autre types de modèles (modèles distribués et/ou à base physique) et d'autres critères d'évaluation comme le RMSE ou des critères sur les débits extrêmes.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.216
Threshold uncertainty score0.434

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.005
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0020.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.016
GPT teacher head0.238
Teacher spread0.223 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes2
Has abstractyes

Explore more

Same venueEspace École de technologie supérieure (École de technologie supérieure)Same topicHydrology and Watershed Management StudiesFrench-language works237,207