Rapid surface-water volume estimations in beaver ponds
Notice bibliographique
Résumé
Abstract. Beaver ponds are surface-water features that are transient through space and time. Such qualities complicate the inclusion of beaver ponds in local and regional water balances, and in hydrological models, as reliable estimates of surface-water storage are difficult to acquire without time- and labour-intensive topographic surveys. A simpler approach to overcome this challenge is needed, given the abundance of the beaver ponds in North America, Eurasia, and southern South America. We investigated whether simple morphometric characteristics derived from readily available aerial imagery or quickly measured field attributes of beaver ponds can be used to approximate surface-water storage among the range of environmental settings in which beaver ponds are found. Studied were a total of 40 beaver ponds from four different sites in North and South America. The simplified volume–area–depth (V–A–h) approach, originally developed for prairie potholes, was tested. With only two measurements of pond depth and corresponding surface area, this method estimated surface-water storage in beaver ponds within 5 % on average. Beaver pond morphometry was characterized by a median basin coefficient of 0.91, and dam length and pond surface area were strongly correlated with beaver pond storage capacity, regardless of geographic setting. These attributes provide a means for coarsely estimating surface-water storage capacity in beaver ponds. Overall, this research demonstrates that reliable estimates of surface-water storage in beaver ponds only requires simple measurements derived from aerial imagery and/or brief visits to the field. Future research efforts should be directed at incorporating these simple methods into both broader beaver-related tools and catchment-scale hydrological models.
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 | 0,001 | 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 | 0,002 | 0,002 |
| 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 | 0,001 |
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 ».