The influence of vegetation types on water yields in the Da Hinggan Mountains of China
Notice bibliographique
Résumé
Climate change and excessive water use are endangering water resources in many areas of the world. As a result there is an urgency to increase available water resources and to improve water supply using vegetation management in catchment areas. The objectives of this study were to determine the effects of four vegetation types (Quercus mongolica F.; QM), Larix spp. plantation; LP), Prunus sibirica L.; PS) and grassland; GL) on water yields by monitoring surface runoff, infiltration, canopy interception and evapotranspiration in the Da Hinggan Mountains, a semi-arid area of China. Surface runoff for each vegetation type was triggered by rainfall of at least 6.6 mm, with surface runoff significantly increasing with rainfall events over 15.8 mm. The QM forest had the highest amount of runoff (1.34 mm), followed by LP (1.06 mm), PS (1.01 mm) and GL (0.69 mm), this accounting for only 0.23% – 0.44% of the total water balance. Infiltration to a soil depth of 10 cm occurred with rainfall events with at least 13 mm, but the depth of infiltration rarely exceeded 30 cm during most rainfall events. More than half of the rainfall was taken up by vegetation during the growing season, with an order of LP > QM > PS > GL. Comprehensive analysis indicated that QM was the most appropriate vegetation for water conservation in this water-limited area, and this vegetation cover could effectively provide more water resources in the local area.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».