Słowa kluczowe

Informacje szczegółowe

Kategoria:

Publikacja w czasopiśmie

Typ:

artykuł w czasopiśmie wyróżnionym w JCR

Opublikowano w:

Water nr 10, wydanie 1, strony 1 - 18,
ISSN: 2073-4441

Język:

angielski

Rok wydania:

2018

Opis bibliograficzny:

Berezowski T., Chybicki A.: High-Resolution Discharge Forecasting for Snowmelt and Rainfall Mixed Events// Water. -Vol. 10, iss. 1 (2018), s.1-18

DOI:

Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/w10010056

Bibliografia: test

1. Buttle, J.M.; Xu, F. Snowmelt Runoff in Suburban Environments. Hydrol. Res. 1988, 19, 19-40. otwiera się w nowej karcie
2. Surfleet, C.G.; Tullos, D. Variability in effect of climate change on rain-on-snow peak flow events in a temperate climate. J. Hydrol. 2013, 479, 24-34. otwiera się w nowej karcie
3. Wever, N.; Jonas, T.; Fierz, C.; Lehning, M. Model simulations of the modulating effect of the snow cover in a rain-on-snow event. Hydrol. Earth Syst. Sci. 2014, 18, 4657-4669. otwiera się w nowej karcie
4. Cohen, J.; Ye, H.; Jones, J. Trends and variability in rain-on-snow events. Geophys. Res. Lett. 2015, 42, 7115-7122. otwiera się w nowej karcie
5. Langhammer, J.;Česák, J. Applicability of a Nu-Support Vector Regression Model for the Completion of Missing Data in Hydrological Time Series. Water 2016, 8, 560. otwiera się w nowej karcie
6. Rogelis, M.C.; Werner, M. Streamflow forecasts from WRF precipitation for flood early warning in mountain tropical areas. Hydrol. Earth Syst. Sci. Discuss. 2017, 2017, 1-32. otwiera się w nowej karcie
7. Li, J.; Chen, Y.; Wang, H.; Qin, J.; Li, J.; Chiao, S. Extending flood forecasting lead time in a large watershed by coupling WRF QPF with a distributed hydrological model. Hydrol. Earth Syst. Sci. 2017, 21, 1279-1294. otwiera się w nowej karcie
8. Tao, J.; Wu, D.; Gourley, J.; Zhang, S.Q.; Crow, W.; Peters-Lidard, C.; Barros, A.P. Operational hydrological forecasting during the IPHEx-IOP campaign-Meet the challenge. J. Hydrol. 2016, 541, 434-456. otwiera się w nowej karcie
9. Bauer-Gottwein, P.; Jensen, I.H.; Guzinski, R.; Bredtoft, G.K.T.; Hansen, S.; Michailovsky, C.I. Operational river discharge forecasting in poorly gauged basins: The Kavango River basin case study. Hydrol. Earth Syst. Sci. 2015, 19, 1469-1485. otwiera się w nowej karcie
10. De Lima, G.R.T.; Santos, L.B.L.; de Carvalho, T.J.; Carvalho, A.R.; Cortivo, F.D.; Scofield, G.B.; Negri, R.G. An operational dynamical neuro-forecasting model for hydrological disasters. Model. Earth Syst. Environ. 2016, 2, 1-9. otwiera się w nowej karcie
11. Oleson, K.W.; Lawrence, D.M.; Gordon, B.; Flanner, M.G.; Kluzek, E.; Peter, J.; Levis, S.; Swenson, S.C.; Thornton, E.; Feddema, J.; et al. Technical Description of Version 4.0 of the Community Land Model (CLM);
12. National Center for Atmospheric Research: Boulder, CO, USA, 2010. otwiera się w nowej karcie
13. Lawrence, D.M.; Oleson, K.W.; Flanner, M.G.; Thornton, P.E.; Swenson, S.C.; Lawrence, P.J.; Zeng, X.; Yang, Z.L.; Levis, S.; Sakaguchi, K.; et al. Parameterization improvements and functional and structural advances in Version 4 of the Community Land Model. J. Adv. Model. Earth Syst. 2011, 3, doi:10.1029/2011MS00045. otwiera się w nowej karcie
14. Benjamin, S.G.; Grell, G.A.; Brown, J.M.; Smirnova, T.G.; Bleck, R. Mesoscale Weather Prediction with the RUC Hybrid Isentropic-Terrain-Following Coordinate Model. Mon. Weather Rev. 2004, 132, 473-494. otwiera się w nowej karcie
15. Niu, G.Y.; Yang, Z.L.; Mitchell, K.E.; Chen, F.; Ek, M.B.; Barlage, M.; Kumar, A.; Manning, K.; Niyogi, D.; Rosero, E.; et al. The community Noah land surface model with multiparameterization options (Noah-MP): 1. Model description and evaluation with local-scale measurements. J. Geophys. Res. 2011, 116, doi:10.1029/2010JD015139. otwiera się w nowej karcie
16. Wang, Z.; Zeng, X.; Decker, M. Improving snow processes in the Noah land model. J. Geophys. Res. 2010, 115, D20108, doi:10.1029/2009JD013761. otwiera się w nowej karcie
17. Jin, J.; Wen, L. Evaluation of snowmelt simulation in the Weather Research and Forecasting model. J. Geophys. Res. Atmos. 2012, 117, doi:10.1029/2011JD016980. otwiera się w nowej karcie
18. Förster, K.; Meon, G.; Marke, T.; Strasser, U. Effect of meteorological forcing and snow model complexity on hydrological simulations in the Sieber catchment (Harz Mountains, Germany). Hydrol. Earth Syst. Sci. 2014, 18, 4703-4720. otwiera się w nowej karcie
19. Wu, X.; Shen, Y.; Wang, N.; Pan, X.; Zhang, W.; He, J.; Wang, G. Coupling the WRF model with a temperature index model based on remote sensing for snowmelt simulations in a river basin in the Altay Mountains, north-west China. Hydrol. Process. 2016, 30, 3967-3977. otwiera się w nowej karcie
20. Zhao, Q.; Liu, Z.; Ye, B.; Qin, Y.; Wei, Z.; Fang, S. A snowmelt runoff forecasting model coupling WRF and DHSVM. Hydrol. Earth Syst. Sci. 2009, 13, 1897-1906. otwiera się w nowej karcie
21. Buttle, J.M. Effects of suburbanization upon snowmelt runoff. Hydrol. Sci. J. 1990, 35, 285-302. otwiera się w nowej karcie
22. Valtanen, M.; Sillanpaa, N.; Setala, H. Effects of land use intensity on stormwater runoff and its temporal occurrence in cold climates. Hydrol. Process. 2013, 28, 2639-2650. otwiera się w nowej karcie
23. Valeo, C.; Ho, C. Modelling urban snowmelt runoff. J. Hydrol. 2004, 299, 237-251. otwiera się w nowej karcie
24. Breiman, L. Random Forests. Mach. Learn. 2001, 45, 5-32. otwiera się w nowej karcie
25. Instytut Meteorologii i Gospodarki Wodnej-Państwowy Instytut Badawczy (IMGW-PIB). 1 h Discharge Time Series for Zawady (ID: 153230060) Gauging Station at Biała River (ID: 26168) for the Period 2010-2016; IMGW-PIB: Warsaw, Poland, 2017. otwiera się w nowej karcie
26. Nakanishi, M.; Niino, H. Development of an Improved Turbulence Closure Model for the Atmospheric Boundary Layer. J. Meteorol. Soc. Jpn. 2009, 87, 895-912. otwiera się w nowej karcie
27. Mlawer, E.J.; Taubman, S.J.; Brown, P.D.; Iacono, M.J.; Clough, S.A. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J. Geophys. Res. Atmos. 1997, 102, 16663-16682. otwiera się w nowej karcie
28. Dudhia, J. Numerical Study of Convection Observed during the Winter Monsoon Experiment Using a Mesoscale Two-Dimensional Model. J. Atmos. Sci. 1989, 46, 3077-3107. otwiera się w nowej karcie
29. National Centers for Environmental Information-National Oceanic and Atmospheric Administration (NOAA-NCEI). Daily Precipitation, Temperature and Snow Depth Time Series for the Bialystok, PL Station (ID: PLM00012295) 2010-2014; NOAA-NCEI: Washington, DC, USA, 2017. otwiera się w nowej karcie
30. R Core Team. R: A Language and Environment for Statistical Computing; R Foundation for Statistical Computing: Vienna, Austria, 2016.
31. Liaw, A.; Wiener, M. Classification and Regression by randomForest. R News 2002, 2, 18-22. otwiera się w nowej karcie
32. Kottek, M.; Grieser, J.; Beck, C.; Rudolf, B.; Rubel, F. World Map of the Köppen-Geiger climate classification updated. Meteorologische Zeitschrift 2006, 15, 259-263. otwiera się w nowej karcie
33. Berezowski, T.; Chormański, J.; Batelaan, O.; Canters, F.; Van de Voorde, T. Impact of remotely sensed land-cover proportions on urban runoff prediction. Int. J. Appl. Earth Obs. Geoinf. 2012, 16, 54-65. otwiera się w nowej karcie
34. Kioutsioukis, I.; de Meij, A.; Jakobs, H.; Katragkou, E.; Vinuesa, J.F.; Kazantzidis, A. High resolution WRF ensemble forecasting for irrigation: Multi-variable evaluation. Atmos. Res. 2016, 167, 156-174. otwiera się w nowej karcie
35. Yu, W.; Nakakita, E.; Kim, S.; Yamaguchi, K. Impact Assessment of Uncertainty Propagation of Ensemble NWP Rainfall to Flood Forecasting with Catchment Scale. Adv. Meteorol. 2016, 2016, 1384302. otwiera się w nowej karcie
36. García-Díez, M.; Fernández, J.; Fita, L.; Yagüe, C. Seasonal dependence of WRF model biases and sensitivity to PBL schemes over Europe. Q. J. R. Meteorol. Soc. 2012, 139, 501-514. otwiera się w nowej karcie
37. Chybicki, A.; Łubniewski, Z.; Kamiński, L.; Bruniecki, K.; Markiewicz, L. Numerical weather prediction-data fusion to GIS systems and potential applications. In The Future with GIS. Katedra Systemow Geoinformatycznych;
38. Krvatski Informsticki Zbor-GIS Forum: Zagreb, Croatia, 2011; pp. 56-61.
39. Barbetta, S.; Coccia, G.; Moramarco, T.; Todini, E. Case Study: A Real-Time Flood Forecasting System with Predictive Uncertainty Estimation for the Godavari River, India. Water 2016, 8, 463. otwiera się w nowej karcie
40. Barge, J.; Sharif, H. An Ensemble Empirical Mode Decomposition, Self-Organizing Map, and Linear Genetic Programming Approach for Forecasting River Streamflow. Water 2016, 8, 247. otwiera się w nowej karcie
41. Peng, T.; Zhou, J.; Zhang, C.; Fu, W. Streamflow Forecasting Using Empirical Wavelet Transform and Artificial Neural Networks. Water 2017, 9, 406. otwiera się w nowej karcie
42. Sung, J.; Lee, J.; Chung, I.M.; Heo, J.H. Hourly Water Level Forecasting at Tributary Affected by Main River Condition. Water 2017, 9, 644. otwiera się w nowej karcie
43. Wang, J.; Shi, P.; Jiang, P.; Hu, J.; Qu, S.; Chen, X.; Chen, Y.; Dai, Y.; Xiao, Z. Application of BP Neural Network Algorithm in Traditional Hydrological Model for Flood Forecasting. Water 2017, 9, 48. otwiera się w nowej karcie
44. Li, B.; Yang, G.; Wan, R.; Dai, X.; Zhang, Y. Comparison of random forests and other statistical methods for the prediction of lake water level: A case study of the Poyang Lake in China. Hydrol. Res. 2016, 47, 69-83. otwiera się w nowej karcie
45. Albers, S.J.; Déry, S.J.; Petticrew, E.L. Flooding in the Nechako River Basin of Canada: A random forest modeling approach to flood analysis in a regulated reservoir system. Can. Water Resour. J. Rev. Can. Ressour. Hydr. 2015, 41, 250-260. otwiera się w nowej karcie
46. Francke, T.; López-Tarazón, J.; Schröder, B. Estimation of suspended sediment concentration and yield using linear models, random forests and quantile regression forests. Hydrol. Process. 2008, 22, 4892-4904. otwiera się w nowej karcie
47. Buttle, J. Soil moisture and groundwater responses to snowmelt on a drumlin sideslope. J. Hydrol. 1989, 105, 335-355. otwiera się w nowej karcie
48. Bengtsson, L.; Westerström, G. Urban snowmelt and runoff in northern Sweden. Hydrol. Sci. J. 1992, 37, 263-275. otwiera się w nowej karcie
49. Tyszewski, S.; Kardel, I. Studium Hydrograficzne Doliny Rzeki Białej z Wytycznymi Do Zagospodarowania Rekreacyjnowypoczynkowego I Elementami Małej Retencji Oraz Prace Hydrologiczne Niezbdne Do Sporzdzenia Dokumentacji Hydrologicznej; Pro Woda: Warsaw, Poland, 2009. (In Polish)
50. Givati, A.; Lynn, B.; Liu, Y.; Rimmer, A. Using the WRF Model in an Operational Streamflow Forecast System for the Jordan River. J. Appl. Meteorol. Climatol. 2012, 51, 285-299. otwiera się w nowej karcie
51. Harr, R. Some characteristics and consequences of snowmelt during rainfall in western Oregon. J. Hydrol. 1981, 53, 277-304. otwiera się w nowej karcie
52. Chu, H.; Wei, J.; Li, J.; Qiao, Z.; Cao, J. Improved Medium-and Long-Term Runoff Forecasting Using a Multimodel Approach in the Yellow River Headwaters Region Based on Large-Scale and Local-Scale Climate Information. Water 2017, 9, 608. otwiera się w nowej karcie
53. Fassnacht, S.R.; Records, R.M. Large snowmelt versus rainfall events in the mountains. J. Geophys. Res. Atmos. 2015, 120, 2375-2381. otwiera się w nowej karcie
54. Berezowski, T.; Chormański, J.; Batelaan, O. Skill of remote sensing snow products for distributed runoff prediction. J. Hydrol. 2015, 524, 718-732. otwiera się w nowej karcie
55. Berezowski, T.; Nossent, J.; Chormanski, J.; Batelaan, O. Spatial sensitivity analysis of snow cover data in a distributed rainfall-runoff model. Hydrol. Earth Syst. Sci. 2015, 19, 1887-1904. c 2018 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/). otwiera się w nowej karcie

więcej (55) mniej

Weryfikacja:

Politechnika Gdańska