Effect of bedrock permeability on stream base flow mean transit time scaling relations: 1. A multiscale catchment intercomparison
Notice bibliographique
Résumé
Abstract The effect of bedrock permeability and underlying catchment boundaries on stream base flow mean transit time (MTT) and MTT scaling relationships in headwater catchments is poorly understood. Here we examine the effect of bedrock permeability on MTT and MTT scaling relations by comparing 15 nested research catchments in western Oregon; half within the HJ Andrews Experimental Forest and half at the site of the Alsea Watershed Study. The two sites share remarkably similar vegetation, topography, and climate and differ only in bedrock permeability (one poorly permeable volcanic rock and the other more permeable sandstone). We found longer MTTs in the catchments with more permeable fractured and weathered sandstone bedrock than in the catchments with tight, volcanic bedrock (on average, 6.2 versus 1.8 years, respectively). At the permeable bedrock site, 67% of the variance in MTT across catchments scales was explained by drainage area, with no significant correlation to topographic characteristics. The poorly permeable site had opposite scaling relations, where MTT showed no correlation to drainage area but the ratio of median flow path length to median flow path gradient explained 91% of the variance in MTT across seven catchment scales. Despite these differences, hydrometric analyses, including flow duration and recession analysis, and storm response analysis, show that the two sites share relatively indistinguishable hydrodynamic behavior. These results show that similar catchment forms and hydrologic regimes hide different subsurface routing, storage, and scaling behavior—a major issue if only hydrometric data are used to define hydrological similarity for assessing land use or climate change response.
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) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».