Conceptualizing lateral preferential flow and flow networks and simulating the effects on gauged and ungauged hillslopes
Notice bibliographique
Résumé
One of the greatest challenges in the field of hillslope hydrology is conceptualizing and parameterizing the effects of lateral preferential flow. Our current physically based and conceptual models often ignore such behavior. However, for addressing issues of land use change, water quality, and other predictions where flow amount and components of flow are imperative, dominant runoff processes like preferential subsurface flow need to be accounted for in the model structure. This paper provides a new approach to formalize the qualitative yet complex explanation of preferential flow into a numerical model structure. We base our examples on field studies of the well‐studied Maimai watershed (New Zealand). We then use the model as a learning tool for improved clarity into the old water paradox and reasons for the seemingly contradictory findings of lateral preferential flow of old water where applied line sources of tracer appear very quickly in the stream following application. We evaluate the model with multiple criteria, including ability to capture flow, hydrograph composition, and tracer breakthrough. We generate output ensembles with different pipe network geometries for model calibration and validation analysis. Surprisingly, the range of runoff response among the ensembles is narrow, indicating insensitivity to specific pipe placement. Our new model structure shows that high transport velocities for artificial line source tracers can be reconciled with the dominance of preevent water during runoff events even when lateral pipe flow dominates response. The work suggests overall that preferential flow can be parameterized within a process‐based model structure via the structured dialog between experimentalist and modeler.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».