Effect of bedrock permeability on stream base flow mean transit time scaling relationships: 2. Process study of storage and release
Notice bibliographique
Résumé
Abstract In Part 1 of this two‐part series, Hale and McDonnell (2016) showed that bedrock permeability controlled base flow mean transit times (MTTs) and MTT scaling relations across two different catchment geologies in western Oregon. This paper presents a process‐based investigation of storage and release in the more permeable catchments to explain the longer MTTs and (catchment) area‐dependent scaling. Our field‐based study includes hydrometric, MTT, and groundwater dating to better understand the role of subsurface catchment storage in setting base flow MTTs. We show that base flow MTTs were controlled by a mixture of water from discrete storage zones: (1) soil, (2) shallow hillslope bedrock, (3) deep hillslope bedrock, (4) surficial alluvial plain, and (5) suballuvial bedrock. We hypothesize that the relative contributions from each component change with catchment area. Our results indicate that the positive MTT‐area scaling relationship observed in Part 1 is a result of older, longer flow path water from the suballuvial zone becoming a larger proportion of streamflow in a downstream direction (i.e., with increasing catchment area). Our work suggests that the subsurface permeability structure represents the most basic control on how subsurface water is stored and therefore is perhaps the best direct predictor of base flow MTT (i.e., better than previously derived morphometric‐based predictors). Our discrete storage zone concept is a process explanation for the observed scaling behavior of Hale and McDonnell (2016), thereby linking patterns and processes at scales from 0.1 to 100 km 2 .
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 | 0,003 | 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 | 0,001 |
| 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 ».