Estimation de l'évaporation des réservoirs hydroélectriques boréals en contexte de données limitées
Bibliographic record
Abstract
De par le monde, la gestion des réservoirs hydroélectriques repose largement sur des modèles hydrologiques qui simulent les entrées et les sorties d’eau du système. L’évaporation sur ces réservoirs est typiquement négligée ou calculée de la même façon que l’évapotranspiration sur l’ensemble du bassin versant, bien que les processus régissant ces deux phénomènes diffèrent. Une meilleure quantification de l’évaporation suscite un intérêt grandissant, dû aux changements climatiques qui provoquent une augmentation des pertes en eau par évaporation sur les réservoirs. Cette étude examine divers modèles d’évaporation, et ce, en tenant compte de la réalité dans laquelle les modèles hydrologiques sont opérés de façon générale, c’est-à-dire avec une faible disponibilité de données d’entrée. L’étude se concentre principalement sur deux réservoirs situés dans la zone boréale canadienne, soit Eastmain-1 et Romaine-2. Un jeu de données observées d’évaporation obtenues grâce à la technique de covariance des tourbillons, est utilisé comme référence. De toutes les approches considérées, le modèle de transfert de masse avec un nombre de Dalton constant de 1,2 x 10⁻³ est le plus performant à un pas de temps horaire. Les cumuls journaliers sont également estimés avec une bonne précision autant lors du réchauffement de la masse d’eau que lors de la période de relâchement d’énergie. Des analyses de sensibilité montrent que l’utilisation de ce modèle avec des données limitées est possible, du moins pour les deux réservoirs étudiés. Ces données limitées consistent en la température de l’air et l’humidité relative prises sur la terre ferme à proximité du réservoir, la température de la surface de l’eau mesurée in situ et la vitesse du vent à une hauteur de 10 m prise depuis la berge du réservoir face aux vents dominants. L’application du modèle sur le lac Léman, situé dans une région plus tempérée, donne aussi de bons résultats.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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".