Streamwater ages in nested, seasonally cold Canadian watersheds
Notice bibliographique
Résumé
Abstract The mean transit time (MTT) is an important descriptor of water storage and release dynamics in watersheds. Although MTT studies are numerous for many regions around the world, they are rare for prairie watersheds where seasonally cold or dry conditions require adequate methodological choices towards MTT estimation, especially regarding the handling of sparse data records and tracer selection. To examine the impact of such choices, we used timeseries of δ18O and δ2H from two contrasted years (2014 and 2015) and relied on two metrics and two modelling methods to infer MTTs in prairie watersheds. Our focus was on nested outlets with different drainage areas, geologies, and known run‐off generation mechanisms. The damping ratio and young water fraction (i.e., the fraction of streamflow with transit times lesser than 3 months) metrics, as well as the sine‐wave modelling and time‐based convolution modelling methods, were applied to year‐specific data. Results show that young water fractions and modelled MTT values were, respectively, larger and smaller in 2014, which was a wet year, compared with that in 2015. In 2014, most outlets had young water fractions larger than 0.5 and MTT values lesser than 6 months. The damping ratio, young water fraction, and sine‐wave modelling methods led to convergent conclusions about watershed water storage and release dynamics for some of the monitored sites. Contrasting results were, however, obtained when the same method was applied using δ2H instead of δ18O, due to differing evaporation fractionation, or when the time‐based convolution modelling method was used. Some methods also failed to provide any robust results during the dry year (i.e., 2015), highlighting the difficulty in inferring MTTs when data are sparse due to intermittent streamflow. This study therefore allowed the formulation of empirical recommendations for MTT estimation in prairie environments as a function of data availability and antecedent wetness conditions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».