Soil Moisture Responses to Rainfall: Implications for Runoff Generation
Notice bibliographique
Résumé
Abstract Soil moisture is a key control on runoff generation and biogeochemical processes on hillslopes. Precipitation events can evoke different soil moisture responses with depth through the soil profile, and responses can differ among landscape positions along a hillslope. We sought to elucidate the nature of these responses by estimating changes in water content, response time between peak precipitation and peak soil moisture, and wetting front velocities for 43 storms at 45 locations on three adjacent hillslopes within a headwater catchment of the southern Appalachian Mountains (NC, USA). We used a multivariate modeling approach to quantify the relative influences and the predictability of soil moisture responses by a combination of landscape and storm characteristics. We quantified the lag correlations between hillslope mean soil moisture and catchment runoff to demonstrate how storm properties and hillslope‐scale characteristics may influence runoff at the catchment outlet. Soil moisture responses varied widely, and no consistent patterns were observed among response metrics laterally or vertically along hillslopes. In contrast to other studies, we found that the relative influence of hillslope properties and storm characteristics varied with soil moisture responses and during storms. Antecedent conditions and storm depths influenced the strength of lag correlations between soil moisture and runoff, whereas storm mean intensity was correlated with the lag times. These results highlight the utility of intensive observations for characterizing heterogeneity in soil moisture responses, suggesting, among other things, a need for better representation of the subsurface processes in rainfall‐runoff models. Identifying the relative importance of drivers can be beneficial in building parsimonious hydrological models.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».