Does hillslope trenching enhance groundwater recharge and baseflow in the <scp>Peruvian Andes</scp>?
Notice bibliographique
Résumé
Abstract As Andean glaciers rapidly retreat due to climate change, the balance of groundwater and glacial meltwater contributions to stream discharge in tropical, proglacial watersheds will change, potentially increasing vulnerability of water resources. The Shullcas River Watershed , near Huancayo, Peru, is fed only partly by the rapidly receding Huaytapallana glaciers (<20% of dry season flow). To potentially increase recharge and therefore increase groundwater derived baseflow, the government and not‐for‐profit organizations have installed trenches along large swaths of hillslope in the Shullcas Watershed . Our study focuses on a nonglacierized subcatchment of the Shullcas River Watershed and has 2 objectives: (a) create a model of the Shullcas groundwater system and assess the controls on stream discharge and (b) investigate the impact of the infiltration trenches on recharge and baseflow. We first collected hydrologic data from the field including a year‐long hydrograph (2015–2016), meteorological data (2011–2016), and infiltration measurements. We use a recharge model to evaluate the impact of trenched hillslopes on infiltration and runoff processes. Finally, we use a 3‐dimensional groundwater model, calibrated to the measured dry season baseflow, to determine the impact of trenching on the catchment. Simulations show that trenched hillslopes receive approximately 3.5% more recharge, relative to precipitation, compared with unaltered hillslopes. The groundwater model indicates that because the groundwater flow system is fast and shallow, incorporating trenched hillslopes (~2% of study subcatchment area) only slightly increases baseflow in the dry season. Furthermore, the location of trenching is an important consideration: Trenching higher in the catchment (further from the river) and in flatter terrain provides more baseflow during the dry season. The results of this study may have important implications for Andean landscape management and water resources.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 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 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 ».