Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation

Identification

Clé publique
radar:r-1bea4c5fbd416ee8cea9a830b879acc3
Auteurs
Rolando Licapa Redolfo · Alexander Haro-Sarango · Persi Vera Zelada · Denis Javier Aranguri Cayetano · Roxana Mabel Sempértegui Rafael · Olegario Cabrera-Cabrera · Edwar Cieza-Sánchez · Martha G Huaman Tanta · Diana Carolina Castillo-Martínez
Année déclarée
2026
Langue déclarée
en
Type source
article
Première détection
2026-11-14T02:05:11.562023+00:00
Dernière observation des métadonnées
2026-11-14T02:05:11.562023+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

San Cristóbal of Huamanga University · Universidad Peruana Unión · Universidad Nacional Autónoma de Chota · Universidad Nacional del Santa · Universidad de las Fuerzas Armadas ESPE

Pays d’affiliation déclarés

EC · PE

Résumé documentaire — langue originale

This study evaluates the potential and limitations of open/model-derived hydroclimatic data for multi-horizon river discharge forecasting in Babahoyo, Ecuador. A quantitative, applied, retrospective longitudinal design used daily data for 2017–2026. The discharge target is the GloFAS v4 seamless product—reanalysis until July 2022, archived operational forecast thereafter; meteorological predictors are ERA5/ERA5-Land/IFS reanalysis, not forecasts. The framework combined leakage-aware feature engineering, temporal validation, rolling-origin backtesting, naïve baselines, machine-learning regression, conformal prediction intervals, and high-flow classification. Performance was strongest at one day, where models reproduced the signal closely (R2 = 0.909), although persistence remained highly competitive. Skill deteriorated at t + 7 and t + 14, where peak timing and magnitude became unreliable. Interval coverage was near-nominal at t + 1 but unreliable at longer horizons. The high-flow classifier identified most q90 cases, yet moderate precision and the absence of gauge validation prevent operational warning claims. Because the target is a 5 km grid simulation of a channel 100–150 m wide, the metrics quantify agreement with GloFAS, not with the physical river, and are reported to three significant digits. Overall, the study is a conservative benchmark for open hydroclimatic data in data-limited tropical floodplains: useful for exploratory monitoring and uncertainty diagnosis, but not a substitute for local hydrometric validation.

Identifiants

OPENALEX
https://openalex.org/W7204073752
DOI
10.3390/atmos17080808

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Multidisciplinary Digital Publishing Institute

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Rolando Licapa Redolfo; Alexander Haro-Sarango; Persi Vera Zelada; Denis Javier Aranguri Cayetano; Roxana Mabel Sempértegui Rafael; Olegario Cabrera-Cabrera; Edwar Cieza-Sánchez; Martha G Huaman Tanta; Diana Carolina Castillo-Martínez. Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation. 2026. https://doi.org/10.3390/atmos17080808

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Rolando Licapa Redolfo; Alexander Haro-Sarango; Persi Vera Zelada; Denis Javier Aranguri Cayetano; Roxana Mabel Sempértegui Rafael; Olegario Cabrera-Cabrera; Edwar Cieza-Sánchez; Martha G Huaman Tanta; Diana Carolina Castillo-Martínez. (2026). Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation. https://doi.org/10.3390/atmos17080808
Chicago
Rolando Licapa Redolfo; Alexander Haro-Sarango; Persi Vera Zelada; Denis Javier Aranguri Cayetano; Roxana Mabel Sempértegui Rafael; Olegario Cabrera-Cabrera; Edwar Cieza-Sánchez; Martha G Huaman Tanta; Diana Carolina Castillo-Martínez. Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation. 2026. https://doi.org/10.3390/atmos17080808
ISO 690
Rolando Licapa Redolfo; Alexander Haro-Sarango; Persi Vera Zelada; Denis Javier Aranguri Cayetano; Roxana Mabel Sempértegui Rafael; Olegario Cabrera-Cabrera; Edwar Cieza-Sánchez; Martha G Huaman Tanta; Diana Carolina Castillo-Martínez. Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation. 2026. https://doi.org/10.3390/atmos17080808

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Open Hydroclimatic Data and Iterative Machine Learning for River Discharge Forecasting in Babahoyo, Ecuador: Benchmarking, Uncertainty, and Operational Limits Without In Situ Validation. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-1bea4c5fbd416ee8cea9a830b879acc3/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.3390/atmos17080808

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature