MétaCan
Menu
Retour à la cohorte
Enregistrement W1592014331 · doi:10.1002/hyp.9861

A new analytical solution for assessing climate change impacts on subsurface temperature

2013· article· en· W1592014331 sur OpenAlexaff
Barret L. Kurylyk, Kerry T. B. MacQuarrie

Notice bibliographique

RevueHydrological Processes · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésGroundwaterExponential functionEnvironmental scienceGroundwater rechargeBoreholeAquiferAdvectionSubsurface flowGroundwater flowClimate changeBoundary value problemSoil scienceGeologyHydrology (agriculture)MechanicsGeotechnical engineeringMathematicsThermodynamicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Groundwater temperature is an important water quality parameter that affects species distributions in subsurface and surface environments. To investigate the response of subsurface temperature to atmospheric climate change, an analytical solution is derived for a one‐dimensional, transient conduction–advection equation and verified with numerical methods using the finite element code SUTRA. The solution can be directly applied to forward model the impact of future climate change on subsurface temperature profiles or inversely applied to produce a surface temperature history from measured borehole profiles. The initial conditions are represented using superimposed linear and exponential functions, and the boundary condition is expressed as an exponential function. This solution expands on a classic solution in which the initial and boundary conditions were restricted to linear functions. The exponential functions allow more flexibility in matching climate model projections (boundary conditions) and measured temperature–depth profiles (initial conditions). For example, measured borehole temperature data from the Sendai Plain and Tokyo, Japan, were used to demonstrate the improved accuracy of the exponential function for replicating temperature–depth profiles. Also, the improved accuracy of the exponential boundary condition was demonstrated using air temperature anomaly data from the Intergovernmental Panel on Climate Change. These air temperature anomalies were then used to forward model the effect of surficial thermal perturbations in subsurface environments with significant groundwater flow. The simulation results indicate that recharge can accelerate shallow subsurface warming, whereas upward groundwater discharge can enhance deeper subsurface warming. Additionally, the simulation results demonstrate that future groundwater temperatures obtained from the proposed analytical solution can deviate significantly from those produced with the classic solution. Copyright © 2013 John Wiley & Sons, Ltd.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,296
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetClimate change and permafrostTravaux en français237 207