A model of rapid preferential hillslope runoff contributions to peak flow generation in a temperate rain forest watershed
Notice bibliographique
Résumé
A model for the 10 km 2 Carnation Creek watershed on Vancouver Island, British Columbia, is used to assess preferential hillslope runoff contributions to peak flow generation. The model combines the matrix flow algorithm of the distributed hydrology soil vegetation model with a Green‐Ampt formulation for calculating matrix and by‐pass infiltration, preferential hillslope runoff initiation controlled by rainfall depth, and downslope subsurface flow rates prescribed based on at‐site tracer tests. Model evaluation using 1972–1990 hydrometeorological data reveals that this formulation is successful in simulating subannual and larger peak flows. Model results suggest that preferential flow contributions to streamflow generation become greater than matrix flow contributions for unit area discharge values in excess of 2.8 mm/hr, corresponding to a peak flow return period of 2–3 months. This transition from matrix flow dominated runoff to preferential flow dominated runoff is consistent with an observed upper limit of groundwater response to precipitation for return periods in excess of 2 months. A break in slope in peak flow frequency curves at a return period of about 20 months appears to correspond to a change in storm characteristics. Thus at least three physically distinct populations of peak flows may exist at Carnation Creek. The ability of the model to simulate peak flows and groundwater responses for small and large storms suggests that it may be useful for addressing runoff process considerations in the debate whether forest management effects for annual and larger peak flows are similar to those inferred from analyses dominated by subannual peak flows.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».