What does it take to flood the <scp>P</scp>ampas?: Lessons from a decade of strong hydrological fluctuations
Notice bibliographique
Résumé
Abstract While most landscapes respond to extreme rainfalls with increased surface water outflows, very flat and poorly drained ones have little capacity to do this and their most common responses include (i) increased water storage leading to rising water tables and floods, (ii) increased evaporative water losses, and, after reaching high levels of storage, (iii) increased liquid water outflows. The relative importance of these pathways was explored in the extensive plains of the Argentine Pampas, where two significant flood episodes (denoted FE1 and FE2) occurred in 2000–2003 and 2012–2013. In two of the most flood‐prone areas (Western and Lower Pampa, 60,000 km 2 each), surface water cover reached 31 and 19% during FE1 in each subregion, while FE2 covered up to 22 and 10%, respectively. From the spatiotemporal heterogeneity of the flood events, we distinguished slow floods lasting several years when the water table is brought to the surface following sustained precipitation excesses in groundwater‐connected systems (Western Pampa), and “fast” floods triggered by surface water accumulation over the course of weeks to months, typical of poor surface‐groundwater connectivity (Lower Pampa) or when exceptionally strong rainfalls overwhelm infiltration capacity. Because of these different hydrological responses, precipitation and evapotranspiration were strongly linked in the Lower Pampa only, while the connection between water fluxes and storage was limited to the Western Pampa. In both regions, evapotranspirative losses were strongly linked to flooded conditions as a regulatory feedback, while liquid water outflows remained negligible.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».