Scaling relationships for event water contributions and transit times in small‐forested catchments in Eastern Quebec
Notice bibliographique
Résumé
Recent studies of catchment hydrologic response are incorporating increasingly complex datasets to investigate model representation of spatial and temporal variability. In this paper, catchment rainfall‐runoff and stable isotope tracer response were modeled using a lumped conceptual model that integrates the unit hydrograph and isotope hydrograph separation methodologies. The model was applied across eight nested catchments (7 to 147 ha) for four rainstorms collected between summer and fall in 2001–2002, generating a usable 23 rainstorm datasets ranging from 1.2 to 10.3 h in length and spanning variability in environmental conditions related to storm characteristics (size and intensity) and antecedent moisture. Monte Carlo simulations were run for four model structures of varying complexity and evaluated using a Generalized Likelihood Uncertainty Estimation (GLUE) approach. We found that a model of intermediate complexity was adequate to model all catchment‐storm pairs. Relationships between the parameters of the best model and catchment and storm characteristics were sought. We found that the fraction of effective rainfall routed as event water was correlated to rainstorm size but insensitive to catchment size, indicating that it is controlled by environmental conditions such as storm intensity and size. The mean transit time of event water decreased with increasing rainstorm size, indicating increased connectivity during larger rainstorms. Finally, a linear relation was found between the mean transit time of event water and catchment size suggesting that the time it takes for event water to be transferred to the stream is directly related to catchment size, particularly for catchments greater than 30 ha.
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 | 0,003 | 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 | 0,000 |
| 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 ».