Change detection of storm runoff and sediment yield using hydrologic models following wildfire in a coastal redwood forest, California
Notice bibliographique
Résumé
This study attempted to detect changes in stormflow volumes, peakflows, and sediment loads using hydrologic models within the context of an uncertainty assessment following wildfire. In 2009, after 8 years of study, the Lockheed Fire burned the treatment and control watersheds of a paired watershed study in coastal California, USA, eliminating the ability to continue a paired watershed before–after control–intervention (BACI) study design. An alternative analysis was used to detect stormflow and sediment load changes due to the wildfire by comparing measured posttreatment stormflow and sediment load with simulated predisturbance responses predicted with the hydrologic models HBV-EC and DHSVM. High natural variability of stormflow and sediment measurements compounded with uncertainty associated with the hydrologic models and climate suggest that only large changes can be detected. The fire and subsequent salvage harvest created an approximately 9%–12% reduction in forest overstory canopy and a 70%–90% consumption of understory vegetation. No discernible changes in slopes of regression lines were detected between predisturbance and postfire stormflow volumes, peakflows, or sediment loads. No changes were detected in stormflow volume, peakflow, or sediment loads comparing pre- and post-fire vegetation inputs to the hydrologic model DHSVM. The lack of detected change in streamflow to accelerate stream channel erosion combined with low to moderate fire severity adjacent to stream channels most likely were the reasons for no detected postfire change to sediment loads.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».