Challenges and opportunities in large-scale river routing: development and application of a hyper-resolution river routing model to assess anthropogenic impacts on freshwater ecosystems
Bibliographic record
Abstract
Malgré d'importantes avances récentes, les modèles hydrologiques globaux et leurs bases de données présentent encore des capacités limitées pour soutenir l'étude de nombreuses questions de recherche résolues dans l'espace et l'étude d'évaluations intégrées, comme requis dans le domaine de l'écologie des eaux douces ou dans la gestion des ressources en eau. Dans ce corpus de recherche, mon travail est d'analyser les raisons qui justifient les manquements dans les modélisations, d'identifier les lacunes et les défis des modèles actuels, et de concevoir une nouvelle génération de modèle écohydraulique de routage des rivières, appelé HydroROUT. Basé sur le répertoire de données hydrographiques mondiales de HydroSHEDS, HydroROUT est le premier modèle global spatialement hyperrésolu de routage de rivières et comprend une approche imbriquée et multiéchelle; une implémentation avancée de la connectivité; et une nouvelle mise en place de structures vectorielles orientées objet dans un cadre de la théorie des graphes. Par la suite, j'ai exploré l'applicabilité du modèle sous différents paramètres et domaines de recherche et je conçois et mets en œuvre quatre études de cas liées à l'évaluation de l'impact de l'activité humaine sur l'intégrité du système d'eau douce. Ces études de cas comprennent à la fois des zones riches et limitées en données, des échelles spatiales pouvant varier entre de petits de grands cours d'eau, dans un contexte aussi bien local que régional ou même mondial. HydroROUT a été appliqué dans deux domaines de recherche distincts. Tout d'abord, il a été évalué par rapport à sa capacité de modéliser au niveau mondial les tendances spatio-temporelles des impacts des barrages. De nouveaux indicateurs, soit l'indice de connectivité de la rivière (RCI) et l'indice de régulation de la rivière (RRI), ont été développés dans le cadre de ces études de cas et ont fourni de nouvelles connaissances sur la variabilité intrabassin des impacts des barrages, auparavant négligée. Deuxièmement, j'ai utilisé HydroROUT pour évaluer sa capacité de modélisation de la qualité de l'eau, en estimant les concentrations de polluants et les risques de les retrouver dans les systèmes d'eau douce à l'aide d'approches par bilan massique appliquées à grande échelle. À cet effet, HydroROUT a été adapté pour fonctionner comme un modèle de prédiction du sort des produits chimiques, capable de fournir une évaluation de premier ordre des risques de sources chimiques ponctuelles ou diffuses. Les résultats montrent un risque important associés aux produits pharmaceutiques dans des tronçons de rivière du bassin du fleuve Saint-Laurent, au Canada, et dans des zones étendues de la Chine continentale. Les résultats à grande échelle du modèle HydroROUT sont à une résolution de 500 m, résolution jamais atteinte jusqu'à ce jour, et peuvent ainsi soutenir la planification locale et la prise de décision dans de nombreux grands bassins fluviaux du monde.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".