Using SWAT-LUD Model to Estimate the Influence of Water Exchange and Shallow Aquifer Denitrification on Water and Nitrate Flux
Notice bibliographique
Résumé
Numerous studies have pointed out the importance of groundwater and surface water interaction (SW–GW) in a river system. However; those functions have rarely been considered in large scale hydrological models. The SWAT-LUD model has been developed based on the Soil and Water Assessment Tool (SWAT) model; and it integrates a new type of subbasin; which is called subbasin-LU (SL); to represent the floodplain area. New modules representing SW–GW exchanges and shallow aquifer denitrification are developed in the SWAT-LUD model. In this study; the SWAT-LUD model was applied to the middle floodplain area of the Garonne catchment in France. The results showed that the SWAT-LUD model could represent the SW–GW exchange and shallow aquifer denitrification appropriately. An annual 44.1 × 107 m3 of water flowed into the river from the study area; but the annual exchanged water volume was 6.4 × 107 m3; which represented just 1% of the river discharge. A total of 384 tons of N-NO3− (0.023 t·ha−1) was consumed by denitrification in the floodplain shallow aquifer annually. The nitrate concentration (N-NO3−) decrease in the channel was 0.12 mg·L−1; but in the shallow aquifer it reached 11.40 mg·L−1; 8.05 mg·L−1; and 5.41 mg·L−1 in LU1; LU2; and LU3; respectively. Our study reveals that; in the Garonne floodplain; denitrification plays a significant role in the attenuation of nitrate associated with groundwater; but the impacts of denitrification on nitrate associated with river water is much less significant.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».