Modelling canopy interception loss from a Madrean pine‐oak stand, northeastern Mexico
Notice bibliographique
Résumé
Abstract Throughfall associated with 34 rainfall events was measured from Year Day 1, 1999 to Year Day 184, 2001 within a pine‐oak stand of the central Sierra Madre Oriental mountain range of northeastern Mexico. Throughfall and canopy interception loss accounted for 83·6 ± 2·1% and 15·8 ± 1·8% (significance level, α, = 0·05) of the 691·8 mm cumulative rainfall input, respectively. A reformulated Gash analytical interception loss model and the Liu analytical model run with predetermined model parameters derived from the literature underestimated cumulative interception loss by 34·4%, and 37·1%, respectively. When the models were run with study period derived parameters the reformulated Gash model overestimated the observed interception by 3·0%, while the Liu model underestimated observed cumulative interception by 0·8%. Although good agreement between observed and estimated cumulative canopy interception loss was found using the analytical models with study period derived parameters, relatively poor agreement was found at the rainfall event scale. Although the analytical versions of the reformulated Gash and Liu models provided similar results, the Liu model is recommended for further application in the study area since it requires less data input and follows an exponential wetting of the canopy approach, something that the data collected during the study supports. Future work regarding the Liu model is discussed. Copyright © 2007 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) | 0,001 | 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 ».