Karst spring recession curve analysis: efficient, accurate methods for both fast and slow flow components
Notice bibliographique
Résumé
Abstract. Analysis of karst spring recession hydrographs is essential for determining hydraulic parameters, geometric characteristics and transfer mechanisms that describe the dynamic nature of karst aquifer systems. The extraction and separation of different fast and slow flow components constituting karst spring recession hydrograph typically involve manual and subjective procedures. This subjectivity introduces bias, while manual procedures can introduce errors to the derived parameters representing the system. To provide an alternative recession extraction procedure that is automated, fully objective and easy to apply, we modified traditional streamflow extraction methods to identify components relevant for karst spring recession analysis. Mangin’s karst-specific recession analysis model was fitted to individual extracted recession segments to determine matrix and conduit recession parameters. We introduced different parameters optimisation approaches of the Mangin’s model to increase degree of freedom thereby allowing for more parameters interaction. The modified recession extraction and parameters optimisation approaches were tested on 3 karst springs in different climate conditions. The results show that the modified extraction methods are capable of distinguishing different recession components and derived parameters reasonably represent the analysed karst systems. We recorded an average KGE > 0.7 among all recession events simulated by recession parameters derived from all combinations of recession extraction methods and parameters optimisation approaches. While there are variability among parameters estimated by different combinations of extraction methods and optimisation approaches, we find even much higher variability among individual recession events. We provide suggestions to reduce the uncertainty among individual recession events and to create a more robust analysis by using multiple pairs of recession extraction method and parameters optimisation approach.
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 | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».