MétaCan
Menu
Retour à la cohorte
Enregistrement W1788635248 · doi:10.5194/hess-19-3253-2015

GRACE storage-runoff hystereses reveal the dynamics of regional watersheds

2015· article· en· W1788635248 sur OpenAlexaboutno aff
Eric A. Sproles, Scott G. Leibowitz, J. T. Reager, P. J. Wigington, J. S. Famiglietti, Sopan Patil

Notice bibliographique

RevueHydrology and earth system sciences · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge Institute for Science and EducationGoddard Space Flight CenterOffice of Research and DevelopmentU.S. Department of EnergyU.S. Environmental Protection AgencyNational Aeronautics and Space Administration
Mots-clésSurface runoffEnvironmental scienceWatershedHydrology (agriculture)Water storageGroundwaterStructural basinSnowmeltGeologyGeomorphologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. We characterize how regional watersheds function as simple, dynamic systems through a series of hysteresis loops using measurements from NASA's Gravity Recovery and Climate Experiment (GRACE) satellites. These loops illustrate the temporal relationship between runoff and terrestrial water storage in three regional-scale watersheds (> 150 000 km2) of the Columbia River Basin, USA and Canada. The shape and size of the hysteresis loops are controlled by the climate, topography, and geology of the watershed. The direction of the hystereses for the GRACE signals moves in opposite directions from the isolated groundwater hystereses. The subsurface water (soil moisture and groundwater) hystereses more closely resemble the storage-runoff relationship of a soil matrix. While the physical processes underlying these hystereses are inherently complex, the vertical integration of terrestrial water in the GRACE signal encapsulates the processes that govern the non-linear function of regional-scale watersheds. We use this process-based understanding to test how GRACE data can be applied prognostically to predict seasonal runoff (mean Nash-Sutcliffe Efficiency of 0.91) and monthly runoff during the low flow/high demand month of August (mean Nash-Sutcliffe Efficiency of 0.77) in all three watersheds. The global nature of GRACE data allows this same methodology to be applied in other regional-scale studies, and could be particularly useful in regions with minimal data and in trans-boundary watersheds.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,228
Écart entre enseignants0,178 · 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'étudeObservationnel
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

Citations50
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207