MétaCan
Menu
Retour à la cohorte
Enregistrement W1921648414 · doi:10.1029/2009wr008070

Effects of snow cover on soil freezing, water movement, and snowmelt infiltration: A paired plot experiment

2010· article· en· W1921648414 sur OpenAlexaff
Yukiyoshi Iwata, Masaki Hayashi, Shinji Suzuki, Tomoyoshi Hirota, Shuichi Hasegawa

Notice bibliographique

RevueWater Resources Research · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSnowmeltSurface runoffInfiltration (HVAC)Environmental scienceSnowFrost (temperature)MeltwaterHydrology (agriculture)Soil waterFrost heavingSoil scienceGeologyGeotechnical engineeringEcologyMeteorologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

A dramatic reduction in soil frost depth has been reported for Hokkaido Island of northern Japan over the last 20 years. Since soil frost strongly affects snowmelt infiltration and runoff, the reduction in frost depth may have altered the water and nutrient cycles in this region. A paired‐plot experiment was conducted in an agricultural field in Tokachi, Hokkaido, to compare the movement of soil water at different frost depths, controlled by manipulating the depth of snow cover. Snow was removed to enhance soil freezing in the treatment plot and was undisturbed in the control plot. The soil froze to a maximum depth of 0.43 m under the treatment plot and 0.11 m under the control plot. During the freezing period, the amount of upward soil water flux toward the freezing front in the treatment plot was more than double that in the control plot. During the snowmelt period, infiltration of meltwater was unimpeded by the thin frozen layer in the control plot, whereas the relatively thick frozen layer in the treatment plot impeded infiltration and generated 63 mm of runoff. These results clearly show that the changes in the timing and thickness of snow cover deposition can cause a dramatic reduction of frost depth and change in the soil water dynamics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0080,001

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 Opus0,047
Tête enseignante GPT0,289
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations184
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetClimate change and permafrostTravaux en français237 207