Shallow groundwater thermal sensitivity to climate change and land cover disturbances: derivation of analytical expressions and implications for stream temperature modeling
Notice bibliographique
Résumé
Abstract. Climate change is expected to increase stream temperatures and the projected warming may alter the spatial extent of habitat for cold-water fish and other aquatic taxa. Recent studies have proposed that stream thermal sensitivities, derived from short-term air temperature variations, can be employed to infer future stream warming due to long-term climate change. However, this approach does not consider the potential for streambed heat fluxes to increase due to gradual warming of the shallow subsurface. The temperature of shallow groundwater is particularly important for the thermal regimes of groundwater-dominated streams and rivers. Also, recent studies have investigated how land surface perturbations, such as wildfires or timber harvesting, can influence stream temperatures by changing stream surface heat fluxes, but these studies have typically not considered how these surface disturbances can also alter shallow groundwater temperatures and streambed heat fluxes. In this study, several analytical solutions to the one-dimensional unsteady advection–diffusion equation for subsurface heat transport are employed to estimate the timing and magnitude of groundwater temperature changes due to seasonal and long-term variability in land surface temperatures. Groundwater thermal sensitivity formulae are proposed that accommodate different surface warming scenarios. The thermal sensitivity formulae suggest that shallow groundwater will warm in response to climate change and other surface perturbations, but the timing and magnitude of the subsurface warming depends on the rate of surface warming, subsurface thermal properties, bulk aquifer depth, and groundwater velocity. The results also emphasize the difference between the thermal sensitivity of shallow groundwater to short-term (e.g., seasonal) and long-term (e.g., multi-decadal) land surface-temperature variability, and thus demonstrate the limitations of using short-term air and water temperature records to project future stream warming. Suggestions are provided for implementing these formulae in stream temperature models to accommodate groundwater warming.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».