MétaCan
Menu
← Retour à la cohorte
Enregistrement W3147458797 · doi:10.5194/hess-2021-71

Simulation of long-term spatiotemporal variations in regional-scalegroundwater recharge: Contributions of a water budget approach insouthern Quebec

2021· article· en· W3147458797 sur OpenAlexfundaboutno aff
Emmanuel Dubois, Marie Larocque, Sylvain Gagné, Guillaume Meyzonnat

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesQuébec Ministère du Développement Durable, de l’Environnement et de la Lutte Contre les Changements Climatiques
Mots-clésGroundwater rechargeBaseflowHydrology (agriculture)Environmental scienceScale (ratio)Context (archaeology)GroundwaterSurface runoffPrecipitationHydrological modellingStreamflowClimatologyAquiferGeologyMeteorologyGeographyDrainage basinCartography

Résumé

récupéré en direct d'OpenAlex

Abstract. Groundwater recharge (GWR) is recognized to be a strategic hydrologic variable, necessary to estimate when implementing sustainable groundwater management, especially within a global change context. However, its simulation at the regional scale and for long-term conditions is challenging, especially due to the limited availability of spatially-distributed calibration data and to the rather short observed time series. The use of a superficial water budget model to estimate recharge is appropriate for this task. A reliable regional-scale estimate of GWR that can be updated relatively easily using widely-available data is essential for the implementation of long-term water use policies and is clearly lacking in southern Quebec (Canada; 36 000 km2). This study aims to test the ability of a spatially-distributed water budget model, automatically calibrated with river flow rates and baseflow estimates, to simulate GWR at a regional-scale from 1961 to 2017 in southern Quebec (monthly time step, 500 m × 500 m spatial resolution). The novelty of this work lies in the simulation of the first regional-scale GWR estimate for southern Quebec and in the development of a robust approach to implement a superficial water budget model at the regional-scale and for a long period. The HydroBudget model was specifically developed by a team at Université du Québec à Montréal for regional-scale simulation and cold climate conditions, and uses parsimonious input data (distributed precipitation, temperature, and runoff curve numbers). The model was regionally calibrated with river flows and baseflows (recursive filter on river flow data), and the automatic calibration procedure of the R package caRamel allowed a satisfying calibration quality (KGE = 0.72) to be reached. Across the study area and based on the exceptionally long spatialized time series, the simulated water budget was divided into 41 % runoff (444 mm/yr), 47 % actual evapotranspiration (501 mm/yr), and 12 % potential groundwater recharge (139 mm/yr). This partitioning was influenced by precipitation, temperature, soil texture, land cover, and topography. Groundwater recharge peaked during spring (44 % of annual recharge) and winter (32 % of annual recharge). A novel and particularly useful result from this work was to show that the seasonality of recharge was driven by the regional temperature gradient, with decreasing temperatures from west to east, and that winter GWR presented a statistically significant increasing trend since 1961 due to increased precipitation and warming temperatures. Another original contribution of this work was to show that at the regional scale, water budget models, such as HydroBudget, can be easily calibrated with river flow measurements and baseflows, and therefore represent a good option with which to acquire knowledge about regional hydrological dynamics. Being accessible, they are a useful approach for scientists, modellers, and stakeholders alike to understand regional-scale groundwater renewal rates, especially if they can be easily adapted to specific study needs and environments.

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)0,001
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 enseignants0,042
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,249
Écart entre enseignants0,232 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→