MétaCan
Menu
Retour à la cohorte
Enregistrement W2472724984 · doi:10.2166/nh.2015.031

Soil water recharge for grassed and forested land covers on the Oak Ridges Moraine, southern Ontario, Canada

2015· article· en· W2472724984 sur OpenAlexafffundabout
R. Bialkowski, J. M. Buttle

Notice bibliographique

RevueHydrology research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Montana
Mots-clésEnvironmental scienceThroughfallHydrology (agriculture)Groundwater rechargeGrowing seasonForestryClearcuttingHardwoodLand coverSoil waterWatershedLand useGeologyGeographySoil scienceGroundwaterEcologyAquifer

Résumé

récupéré en direct d'OpenAlex

Soil water recharge (R) below 1 m depth was estimated via a 1-d water balance for grasslands, hardwood stands and red pine plantations on the Oak Ridges Moraine (ORM) in southern Ontario, Canada. Annual R values (431–696 mm) were in the order of previous estimates for outcropping sands and gravels on the ORM (∼400 mm); however, they only partially supported hypothesized differences in R between land covers. Annual R was similar for grasslands and hardwood stands and exceeded that for red pine plantations. However, there were no consistent differences in R between land covers for growing or dormant seasons, due to relatively large uncertainties for R estimates as well as inter-site differences in the soil's ability to store and transmit inputs below 1 m. Nevertheless, shifts in annual R appear to have accompanied historical land cover changes from hardwood-conifer stands → agricultural fields → red pine plantations → regenerating hardwoods. Growing season R in hardwoods makes a larger contribution to total R than for other land covers, partly due to spatially focused throughfall and stemflow contributions to R. Results highlight the role of land cover differences when assessing spatial variations in R along the ORM.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,066
Tête enseignante GPT0,277
Écart entre enseignants0,211 · 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'étudeSans objet
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
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207