Pore water isotope fingerprints to understand the spatiotemporal groundwater recharge variability in ungauged watersheds
Notice bibliographique
Résumé
Abstract Reliable groundwater recharge quantification at the regional scale (e.g., watershed or subwatershed) is fundamental to sustainable water resource management. Although modeling at the watershed scale is gaining wide support, the long‐term monitoring needed for model calibration is often not readily available, as many watersheds worldwide remain ungauged. In response to this situation, we propose a new approach to estimate groundwater recharge at the watershed scale. This approach is fast and accurate and takes into account the existing variability without requiring long‐term monitoring. Only a single field campaign to acquire soil water content and pore water isotopic composition depth profiles is needed. The principle is to extend a physically based, one‐dimensional unsaturated zone flow model from the local (i.e., profile) to the watershed scale, using an index method for distributed recharge based on a GIS. The methodology was validated in a gauged watershed, where previous studies have estimated recharge using a spatialized water balance model calibrated using long‐term discharge monitoring data. Scaling was investigated by comparing recharge values obtained using the local‐scale approach at 10 study sites within the watershed with coinciding values obtained at the watershed scale. Recharge values were similar in terms of both dynamics and quantity. Using the pore water isotopic fingerprint of ungauged watersheds is therefore confirmed to be a suitable approach for understanding spatiotemporal recharge variability.
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 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 | 0,002 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 tête enseignante, 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 ».