MétaCan
Menu
Retour à la cohorte
Enregistrement W2992919187 · doi:10.1029/2019wr026030

Freezing Temperature Controls Winter Water Discharge for Cold Region Watershed

2019· article· en· W2992919187 sur OpenAlexafffundabout
Shusen Wang

Notice bibliographique

RevueWater Resources Research · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésBaseflowEnvironmental scienceSubarctic climateFrost (temperature)WatershedAquiferHydrology (agriculture)Hydraulic conductivityClimate changeDischargeGlobal warmingAtmospheric sciencesStreamflowGroundwaterGeologyDrainage basinSoil scienceSoil waterGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Pronounced climate warming over the arctic‐subarctic regions has lead to profound hydrological changes including intensified river flow, but how soil frost controls aquifer discharge remains poorly understood. This study quantifies the relationship between freezing temperature and baseflow in winter. Analyses show that the traditional reservoir models are unable to reproduce the observed baseflow variations. By incorporating a freezing temperature function in the reservoir models, the model performances are largely improved. It indicates the dominant role of freezing temperature in controlling the aquifer discharge through reducing the watershed conductivity and liquid (active) water content. The results for the Albany watershed in Canada show that the watershed lump conductivity decreases by half when air temperature accumulates to −172 °C·day from winter start and in extremely cold years, it could decrease by more than 85%. With this relationship, a climate warming of +1, +2, and +4 °C would suggest an increase of 7.7%, 16.7%, and 41.0% in conductivity or 6.8%, 14.7%, and 35.0% in winter discharge, respectively. The study provides an important link between climate warming and aquifer discharge in cold regions. The results could be particularly useful for developing process‐based models, estimating baseflow variations, and assessing climate change impact on cold region hydrology.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,083
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,063
Tête enseignante GPT0,292
Écart entre enseignants0,229 · 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'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

Citations24
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetClimate change and permafrostTravaux en français237 207