Parameterizing a Coupled Surface–Subsurface Three‐Dimensional Soil Hydrological Model to Evaluate the Efficiency of a Runoff Water Harvesting Technique
Notice bibliographique
Résumé
Tools are needed to quantitatively evaluate the efficiency of water harvesting techniques in dryland environments under a wide range of climatic and soil physical conditions. In a case study for the arid zone of Chile, a detailed water balance was calculated using a coupled surface–subsurface hydrological model (HydroGeoSphere). In a first step, the model was parameterized with detailed runoff and soil water content data collected during simulated rainfall to calibrate surface and subsurface flow processes simultaneously, using six responsive parameters identified by a global sensitivity analysis. The calibrated model accurately reproduced observed soil moisture contents ( R 2 = 0.92) and runoff amounts ( R 2 = 0.97), and represented the overflowing infiltration trench, which is a clear improvement over existing frameworks that do not consider surface‐subsurface flow interactions. A comparative analysis with a natural slope demonstrated that the trench was efficient in capturing runoff under high rainfall intensities, such as the one simulated, resulting in a significant decrease (46%) of runoff. In the final section, a detailed water balance of the trench was calculated for four characteristic years with increasing precipitation. Significant differences in the water balance components were only observed for the very wet year (with a return period of 67 yr), where 64% of the potential runoff was effectively harvested and stored in the soil profile. As such, this test case shows the ability of HydroGeoSphere to adequately represent the water balance components of a runoff water harvesting technique and shows its potential to become an effective tool for optimal water harvesting design, while taking both soil physical and climatic constraints into account.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».