Effect of forest recovery on summer streamflow in small forested watersheds, Northeastern China
Notice bibliographique
Résumé
Abstract The hydrological effect of forest recovery is receiving renewed interest globally because information on forest carbon–water relationship is critically needed to support carbon management through reforestation and sustainable water management. In Northeastern China, summer (June to August) streamflow accounts for about 50% of total annual streamflow and is vital to water supply and management in the region. Understanding how forest recovery may affect streamflow is important to both reforestation campaign and long‐term water sustainability. In this study, we analysed 33 years of summer hydrologic data (1970–2002) from two comparable small‐scale watersheds located in the Xiaoxing'anling, Northeastern China. Time series analysis and two graphic methods (double mass curve and flow duration curve) with statistical testing as well as long‐term data on forest cover changes and climate were used. Our results show that the significant streamflow reduction as a result of reforestation occurred when forest cover reached 70% or 10 years after planting. After forest cover reached 85%, water reduction became stabilized. The accumulative streamflow reduction in 2002 reached 8·61% of the total accumulative streamflow. Among those water reduced, high flows (from 5 to 25 percentiles) were mostly affected, demonstrating that northeastern forests have an important role in reducing high flows. Implications of these results are discussed in the context of climate change, reforestation and water resource management. Copyright © 2011 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 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 | 0,000 | 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 ».