MétaCan
Menu
Retour à la cohorte
Enregistrement W3140795373 · doi:10.5194/hess-25-3653-2021

The value of water isotope data on improving process understanding in a glacierized catchment on the Tibetan Plateau

2021· article· en· W3140795373 sur OpenAlexaff
Yi Nan, Lide Tian, Zhihua He, Lili Shao

Notice bibliographique

RevueHydrology and earth system sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésStreamflowMeltwaterEnvironmental scienceSurface runoffPlateau (mathematics)Hydrology (agriculture)PrecipitationSnowSnowmeltWatershedEvapotranspirationDrainage basinGeologyMeteorologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract. This study integrated a water isotope module into the hydrological model THREW (Tsinghua Representative Elementary Watershed) which has been successfully used in high and cold regions. Signatures of oxygen stable isotope (18O) of different water inputs and stores were simulated coupling with the simulations of runoff generation. Isotope measurements of precipitation water samples and assumed constant isotope signature of ice meltwater were used to force the isotope module. Isotope signatures of water stores such as snowpack and subsurface water were updated by an assumed completely mixing procedure. Fractionation effects of snowmelt and evapotranspiration were modeled in a Rayleigh fractionation approach. The isotope-aided model was subsequently applied for the quantification of runoff components and estimations of mean water travel time (MTT) and mean residence time (MRT) in the glacierized watershed of Karuxung river on the Tibetan Plateau. Model parameters were calibrated by three variants with different combinations of streamflow, snow cover area and isotopic composition of stream water. Modeled MTT and MRT were validated by estimates of a tracer-based sine-wave method. Results indicate that (1) the proposed model performs well on simultaneously reproducing the observations of streamflow, snow cover area and isotopic composition of stream water, despite the fact that only precipitation water samples were available for tracer input; (2) isotope data facilitate more robust estimations on contributions of runoff components (CRCs) to streamflow in the melting season, as well as on MTT and MRT; (3) involving isotope data for the model calibration obviously reduces uncertainties in the quantification of CRCs and estimations of MTT and MRT, through better constraining the competitions among different runoff processes induced by meltwater and rainfall. Our results inform scientists on the high value of water isotope data for improving process understanding in a glacierized basin on the Tibetan Plateau.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,250
Écart entre enseignants0,211 · 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.

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

Citations79
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetHydrology and Watershed Management StudiesTravaux en français237 207