MétaCan
Menu
Retour à la cohorte
Enregistrement W2972390529 · doi:10.1002/hyp.13875

Predicting evaporation from mountain streams

2020· article· en· W2972390529 sur OpenAlexafffundabout
András Szeitz, R. Daniel Moore

Notice bibliographique

RevueHydrological Processes · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRiparian zoneSTREAMSEvaporationEnvironmental scienceHydrology (agriculture)Atmospheric sciencesWind speedRange (aeronautics)MeteorologyGeologyGeographyMaterials scienceEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Evaporation can be an important control on stream temperature, particularly in summer when it acts to limit daily maximum stream temperature. Evaporation from streams is usually modelled with the use of a wind function that includes empirically derived coefficients. A small number of studies derived wind functions for individual streams; the fitted parameters varied substantially among sites. In this study, stream evaporation and above‐stream meteorological conditions (at 0.5 and 1.5 m above the water surface) were measured at nine mountain streams in southwestern British Columbia, Canada, covering a range of stream widths, temperatures, and riparian vegetation. Evaporation was measured on 20 site‐days in total, at approximately hourly intervals, using nine floating evaporation pans distributed across the channels. The wind function was fit using mixed‐effects models to account for among‐stream variability in the parameters. The fixed‐effects parameters were tested using leave‐one‐site‐out cross‐validation. The model based on 0.5 m measurements provided improved model performance compared to that based on 1.5 m values, with RMSE of 0.0162 and 0.0187 mm h −1 , respectively, relative to a mean evaporation rate of 0.06 mm h −1 . Inclusion of atmospheric stability and canopy openness as predictors improved model performance when using the 1.5 m meteorological measurements, with minimal improvement when based on 0.5 m measurements. Of the wind functions reported in the literature, two performed reasonably while five others exhibited substantial bias.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,217
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetFish Ecology and Management StudiesTravaux en français237 207