Generality of fractal 1/f scaling in catchment tracer time series, and its implications for catchment travel time distributions
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 Catchment travel time distributions reflect how precipitation from different storms is stored and mixed as it is transported to the stream. Catchment travel time distributions can be described by the mean travel time and the shape of the distribution around the mean. Whereas mean travel times have been quantified in a range of catchment studies, only rarely has the shape of the distribution been estimated. The shape of the distribution affects both the short‐term and long‐term catchment response to a pulse input of a soluble contaminant. Travel time distributions are usually estimated from conservative tracer concentrations in precipitation and streamflow, which are analyzed using time‐domain convolution or spectral methods. Of these two approaches, spectral methods are better suited to determining the shape of the distribution. Previous spectral analyses of both rainfall and streamflow tracer time series from several catchments in Wales showed that rainfall chemistry spectra resemble white noise, whereas the stream tracer spectra in these same catchments exhibit fractal 1/f scaling over three orders of magnitude. Here we test the generality of the observed fractal scaling of streamflow chemistry, using spectral analysis of long‐term tracer time series from 22 catchments in North America and Europe. We demonstrate that 1/f fractal scaling of stream chemistry is a common feature of these catchments. These observations imply that catchments typically exhibit an approximate power‐law distribution of travel times, and thus retain a long memory of past inputs. The observed fractal scaling places strong constraints on possible models of catchment behavior, because it is inconsistent with the exponential travel time distributions that are predicted by simple mixing models. Copyright © 2010 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 | 0,000 | 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 découle