Use of soil moisture data and curve number method for estimating runoff 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 commonly uses three discrete levels of soil antecedent moisture condition (AMC), defined by the 5‐day antecedent rainfall depth, to describe soil moisture prior to a runoff event. However, this way may not adequately represent soil water conditions of fields and watersheds in the Loess Plateau of China. The objectives of this study were: (1) to determine the effective soil moisture depth to which the CN is most related; (2) to evaluate a discrete and a linear relationship between AMC and soil moisture; and (3) to develop an equation between CN and soil moisture to predict runoff better for the climatic and soil conditions of the Loess Plateau of China. The dataset consisted of 10 years of rainfall, runoff and soil moisture measurements from four experimental plots cropped with millet, pasture and potatoes. Results indicate that the standard CN method underestimated runoff depths for 85 of the 98 observed plot‐runoff events, with a model efficiency E of only 0·243. For our experimental conditions, the discrete and linear approaches improved runoff estimation, but still underestimated most runoff events, with E values of 0·428 and 0·445 respectively. Based on the measured CN values and soil moisture values in the top 15 cm of the soil, a non‐linear equation was developed that predicted runoff better with an E value of 0·779. This modified CN equation was the most appropriate for runoff prediction in the study area, but may need adjustments for local conditions in the Loess Plateau of China. Copyright © 2006 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 | 0,000 |
| 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 découle