Too Many Streams and Not Enough Time or Money? Analytical Depletion Functions for Streamflow Depletion Estimates
Notice bibliographique
Résumé
Groundwater pumping can cause streamflow depletion by reducing groundwater discharge to streams and/or inducing surface water infiltration. Analytical and numerical models are two standard methods used to predict streamflow depletion. Numerical models require extensive data and efforts to develop robust estimates, while analytical models are easy to implement with low data and experience requirements but are limited by numerous simplifying assumptions. We have pioneered a novel approach that balances the shortcomings of analytical and numerical models: analytical depletion functions (ADFs), which include empirical functions expanding the applicability of analytical models for real-world settings. In this paper, we outline the workflow of ADFs and synthesize results showing that the accuracy of ADFs compared against a variety of numerical models from simplified, archetypal models to sophisticated, calibrated models in both steady-state and transient conditions over diverse hydrogeological landscapes, stream networks, and spatial scales. Like analytical models, ADFs are rapidly and easily implemented and have low data requirements but have significant advantages of better agreement with numerical models and better representation of complex stream geometries. Relative to numerical models, ADFs have limited ability to explore nonpumping related impacts and incorporate subsurface heterogeneity. In conclusion, ADFs can be used as a stand-alone tool or part of decision-support tools as preliminary screening of potential groundwater pumping impacts when issuing new and existing water licenses while ensuring streamflow meets environmental flow needs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».