MétaCan
Menu
Retour à la cohorte
Enregistrement W2106241302 · doi:10.5194/hessd-11-12027-2014

GRACE storage-streamflow hystereses reveal the dynamics of regional watersheds

2014· article· en· W2106241302 sur OpenAlexaboutno aff
Eric A. Sproles, Scott G. Leibowitz, J. T. Reager, P. J. Wigington, J. S. Famiglietti, Sopan Patil

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurface runoffStreamflowEnvironmental scienceHydrology (agriculture)Scale (ratio)Water storageStructural basinGroundwaterSnowmeltDrainage basinGeologyGeomorphologyGeographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. We characterize how regional watersheds function as simple, dynamic systems through a series of hysteresis loops. These loops illustrate the temporal relationship between runoff and terrestrial water storage using measurements from NASA's Gravity Recovery and Climate Experiment (GRACE) satellites in three regional-scale watersheds (>150 000 km2) of the Columbia River Basin, USA and Canada. The direction of the hystereses for the GRACE signal move in opposite directions from the isolated groundwater hystereses, suggesting that regional scale watersheds require soil water storage to reach a certain threshold before groundwater recharge and peak runoff occur. While the physical processes underlying these hystereses are inherently complex, the vertical integration of terrestrial water in the GRACE signal encapsulates the processes that govern the non-linear function of regional-scale watersheds. We use this process-based understanding to test how GRACE data can be applied prognostically to predict seasonal runoff (mean R2 of 0.91) and monthly runoff (mean R2 of 0.77) in all three watersheds. The global nature of GRACE data allows this same methodology to be applied in other regional-scale studies, and could be particularly useful in regions with minimal data and in trans-boundary watersheds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,444

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,205
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeophysics and Gravity MeasurementsTravaux en français237 207