Simulating preferential flow and snowmelt partitioning in seasonally frozen hillslopes
Notice bibliographique
Résumé
Abstract The infiltrability of frozen soils strongly influences snowmelt partitioning and redistribution in cold regions. Preferential flow in frozen soil can enhance infiltration, but dynamics are complicated by coupled water and heat transfer processes as well as landscape conditions prior to and during snowmelt. Hypothetical model simulations based on hydrological functioning and landscape properties of the Canadian Prairies were used to evaluate a dual‐domain (matrix and macropore) formulation of variably‐saturated flow in frozen soils, with distinct water and heat transport regimes in each domain. The description was incorporated into a fully‐integrated groundwater‐surface water model. Two‐dimensional hillslope simulations were able to capture the landscape hydrologic response to snowmelt fluxes observed in the prairies and similar landscapes, specifically: (1) enhanced infiltration into frozen soil due to preferential flow, (2) refreezing of infiltrated water and its effect on the evolution of runoff generation in frozen soils, and (3) groundwater recharge prior to ground thaw. Results showed that multiple meltwater input events progressively decreased frozen soil infiltrability and increased runoff generation. Simulations demonstrated that refreezing of infiltrated water along preferential flowpaths is an important process governing the timing and magnitude of both runoff generation and groundwater recharge in frozen soils, but that this behaviour can be highly counterintuitive and depends on soil structure. The modeling framework provides a physically‐based approach for describing these interacting preferential flow and soil freezing processes at the hillslope scale needed to simulate the hydrologic functioning of seasonally frozen landscapes.
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 | 0,000 | 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) | 0,008 | 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 ».