Characterising Runoff Generation Processes in a Lake‐Rich Thermokarst Landscape (Old Crow Flats, Yukon, Canada) using δ<sup>18</sup>O, δ<sup>2</sup>H and d‐excess Measurements
Notice bibliographique
Résumé
ABSTRACT Application of novel hydrological methods for assessing runoff generation in remote northern landscapes is necessary to identify the consequences of climate variability and change. In Old Crow Flats, a lake‐rich thermokarst landscape in northern Yukon Territory (Canada), local land users have concerns over the effects of recent lake drainage and fluctuating river discharge on their traditional way of life. In the absence of hydrometric stations, we evaluate the utility of isotopic monitoring of the lower Old Crow River, which is fed by several tributaries and drains the flats, for tracking runoff generation. Isotopic ‘snapshots’ obtained from 2007, 2008 and 2009 during the recession limb of the spring freshet hydrograph provided characteristic patterns of deuterium excess (d‐excess) along the Old Crow River. River sampling in June 2007 captured a pulse of evaporatively enriched lake water originating from a rainfall‐triggered catastrophic lake drainage event, identified by decreased d‐excess values. June 2008 was marked by negligible variability in d‐excess values along the same reach of the river, consistent with minimal export of lake waters after a winter of below‐normal snow accumulation. In contrast, rising d‐excess values along the study reach in June 2009 indicate enhanced rainfall‐generated runoff. River isotope sampling could be used to monitor spatial and temporal variability in runoff generation processes in the Old Crow Flats and other northern lake‐rich landscapes drained by rivers. Copyright © 2014 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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».