MétaCan
Menu
Retour à la cohorte
Enregistrement W1947341328 · doi:10.1002/eco.1486

How do climate and forest changes affect long‐term streamflow dynamics? A case study in the upper reach of Poyang River basin

2014· article· en· W1947341328 sur OpenAlexaff
Wenfei Liu, Xiaohua Wei, Shirong Liu, Yuanqiu Liu, Houbao Fan, Mingfang Zhang, Jianmin Yin, Mingjin Zhan

Notice bibliographique

RevueEcohydrology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNanchang Institute of TechnologyMinistry of Water ResourcesNational Natural Science Foundation of China
Mots-clésStreamflowReforestationDeforestation (computer science)Environmental scienceClimate changeWatershedHydrology (agriculture)Drainage basinStructural basinClimatologyGeographyAgroforestryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract In forested watersheds, forest changes and climatic variability have been commonly recognized as two major drivers for streamflow variations. Previous research has separated their relative contributions but mainly focused on either deforestation and climate or reforestation and climate, but rarely with single studies on both. This study used the Meijiang watershed (6983·2 km2), situated in the upper reach of the Poyang Lake basin, as an example to quantify how climate and forest changes (both deforestation and reforestation) consecutively affect streamflow dynamics. Two methods, namely modified double‐mass curves and sensitivity‐based approach, were used in this study. Two breakpoints (years 1968 and 1985) with significant annual streamflow changes were detected, and together with the control period, they were then used to define three distinct periods: the control (1957–1967), deforestation (1968–1984) and reforestation (1985–2006) periods. Our results show that in the deforestation period, the average annual streamflow increment attributed to deforestation was 112·78 mm year−1, while the annual streamflow variation attributed to climate variability was −111·39 mm year−1. In the reforestation period, the average annual streamflow decrease caused by reforestation was −51·04 mm year−1, while the annual streamflow variation attributed to climate variability was 52·52 mm year−1. The sensitivity‐based approach also provided similar results. The positive and negative values in the streamflow changes suggest offsetting effects between forest changes and climate variability in both deforestation and reforestation periods. The similar magnitudes of streamflow changes demonstrate that the hydrological effects of forest changes can be as great as those caused by climate change. Copyright © 2014 John Wiley & Sons, Ltd.

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 enseignants0,046
Score d'incertitude au seuil0,092

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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

Citations61
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcohydrologyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207