Monitoring Groundwater Change in California’s Central Valley Using Sentinel-1 and GRACE Observations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The San Joaquin Valley and Tulare basins in California’s Central Valley have intensive agricultural activity and groundwater demand that has caused significant subsidence and depletion of water resources in the past. We measured groundwater pumping-induced land subsidence in the southern Central Valley from March 2015 to May 2017 using Sentinel-1 interferometric synthetic aperture radar (InSAR) data. The InSAR measurements provided fine spatial details of subsidence patterns and displayed a superposition of secular and seasonal variations that were coherent across our study region and correlated with precipitation variability and changes in freshwater demand. Combining InSAR and Global Positioning System (GPS) data, precipitation, and in situ well records showed a broad scale slowdown/cessation of long term subsidence in the wetter winter of 2017, likely reflecting the collective response of the Central Valley aquifer system to heavier-than-usual precipitation. We observed a very good temporal correlation between the Gravity Recovery and Climate Experiment (GRACE) satellite groundwater anomaly (GWA) variation and long-term subsidence records, regardless of local hydrogeology and mechanical properties. This indicates the subsidence from satellite geodesy is a very useful indicator for tracking groundwater storage change. With the continuing acquisition of Sentinel-1 and other satellites, we anticipate decadal-scale subsidence records with a spatial resolution of tens to hundreds of meters will be available in the near future to be combined with basin-averaged GRACE measurements to improve our estimate of time-varying groundwater change.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle