Modeling the impacts of climate change on streamflow of the Nicolet River as affected by snowmelt using ArcSWAT
Bibliographic record
Abstract
Dans le bassin versant de la rivière Nicolet, située dans le sud du Québec, le ruissellement provenant de la fonte des neiges est responsable du débit de pointe printanier, qui peut s’avérer une inondation si la température augmente rapidement dans un court délai. Ayant entrepris dans cette étude de modéliser le débit de la rivière Nicolet, les effets du changement climatique sur le comportement hydrologique de ce bassin versant furent étudiés en comparant les caractéristiques des débits historiques à ceux modélisés pour l’avenir selon des données climatiques provenant de divers scénarios de l'évolution du climat. Le Soil and Water Assessment Tool (SWAT) fut étalonné et validé selon les débits de la rivière Nicolet mesurés entre 1986 et 1990 et entre 1991 et 2000, respectivement. Le modèle ArcSWAT s’avéra un outil fiable pour la modélisation du débit [biais (%) en deçà de 15%, coefficient d’efficacité Nash-Sutcliffe > 0.50 et le rapport erreur quadratique moyenne à l’écart type des observations, RSR < 0.70] à la fois pour les phases d’étalonnage et de validation. Mû par les données climatiques d’entrée, le modèle ArcSWAT démontra sa capacité de simuler la réaction du bassin versant aux changements climatiques. Quoique les variations en précipitation anticipées influenceraient directement le ruissellement de surface, le changement simultané en température influencerait aussi l’évapotranspiration, l’abondance des chutes de neige, et les fontes de neige hivernales. Ainsi, avec le modèle ArcSWAT les futurs débits de la rivière Nicolet purent être prédits à partir des changements projetés des variables climatiques. Les effets que le changement climatique auraient sur le débit du bassin versant furent étudiés en comparant les caractéristiques du présent débit (1986-2000) à ceux advenant d’onze jeux de données projetées pour 2053-2067, provenant d’un modèle climatique régional (MRC) intégré à l'intérieur d'un modèle climatique global (GCM). Tous les scénarios climatiques suggèrent une augmentation de la température moyenne (+2.6 ℃) ainsi que de la précipitation (+21%), particulièrement en hiver. En moyenne, les chutes de neige devraient diminuer de 6%, le volume total de la fonte des neiges devrait diminuer, quoiqu’il augmentera en fin d’hiver et au début du printemps. En général, le débit estival, automnal, hivernal et annuel moyen augmenteront, tandis que le débit printanier diminuera. Ayant moyenné tous les scénarios climatiques, l’on s’attend à une augmentation de 13% des débits de pointe, qui auront lieu plus tôt. Une étude discriminant entre les effets des changements projetés de la température et de la précipitation sur les débits de pointe, démontra que leur ampleur est plutôt liée aux augmentations en précipitation, et leur échéance aux augmentations de température.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".