MétaCan
Menu
Retour à la cohorte
Enregistrement W2982785288 · doi:10.1029/2019ms001833

Representing Intrahillslope Lateral Subsurface Flow in the Community Land Model

2019· article· en· W2982785288 sur OpenAlexaff
Sean Swenson, Martyn Clark, Ying Fan, David M. Lawrence, J. Perket

Notice bibliographique

RevueJournal of Advances in Modeling Earth Systems · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensCanmore Museum and Geoscience Centre
Organismes subventionnairesNational Science Foundation
Mots-clésEvapotranspirationSurface runoffHydrology (agriculture)Environmental scienceSubsurface flowCatchment hydrologyDrainage basinAridGeologyHydrological modellingStreamflowGroundwaterClimatologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The concept of using representative hillslopes to simulate hydrologically similar areas of a catchment has been incorporated in many hydrologic models but few Earth system models. Here we describe a configuration of the Community Land Model version 5 in which each grid cell is decomposed into one or more multicolumn hillslopes. Within each hillslope, the intercolumn connectivity is specified, and the lateral saturated subsurface flow from each column is passed to its downslope neighbor. We first apply the model to simulate a headwater catchment and assess the results against runoff and evapotranspiration flux measurements. By redistributing soil water within the catchment, the model is able to reproduce the observed difference between evapotranspiration in the upland and lowland portions of the catchment. Next, global simulations based on hypothetical hillslope geomorphic parameters are used to show the model's sensitivity to differences in hillslope shape and discretization. Differences in evapotranspiration between upland and lowland hillslope columns are found to be largest in arid and semiarid regions, while humid tropical and high‐latitude regions show limited evapotranspiration increases in lowlands relative to uplands.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,251
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations123
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advances in Modeling Earth SystemsMême sujetHydrology and Watershed Management StudiesTravaux en français237 207