A modification to the Soil Conservation Service curve number method for steep slopes in the Loess Plateau of China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Soil Conservation Service curve number (CN) method is widely used for predicting direct runoff from rainfall. However, despite the extent of cultivation on hillslope areas, very few attempts have been made to incorporate a slope factor into the CN method. The objectives of this study were (1) to evaluate existing approaches integrating slope in the CN method, and (2) to develop an equation incorporating a slope factor into the CN method for application in the steep slope areas of the Loess Plateau of China. The dataset consisted of 11 years of rainfall and runoff measurements from two experimental sites with slopes ranging from 14 to 140%. The results indicated that the standard CN method underestimated large runoff events and overestimated small events. For our experimental conditions, the optimized and non‐optimized forms of the slope‐modified CN method of the Erosion Productivity Impact Calculator model improved runoff prediction for steep slopes, but large runoff events were still underestimated and small ones overpredicted. Based on relationships between slope and the observed and theoretical CN values, an equation was developed that better predicted runoff depths with an R 2 of 0·822 and a linear regression slope of 0·807. This slope‐adjusted CN equation appears to be the most appropriate for runoff prediction in the steep areas of the Loess Plateau of China. Copyright © 2005 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle