Vadose zone modeling to identify controls on groundwater recharge in an unconfined granular aquifer in a cold and humid environment with different meteorological data sources
Notice bibliographique
Résumé
Abstract Groundwater recharge (GR) is a complex process that is difficult to quantify. Increasing attention has been given to unsaturated zone modeling to estimate GR and better understand the processes controlling it. Continuous soil-moisture time series have been shown to provide valuable information in this regard. The objectives of this study were to (i) analyze the processes and factors controlling GR in an unconfined granular aquifer in a cold and humid environment and (ii) assess the uncertainties associated with the use of data from different sources. Soil moisture data monitored over three years at three experimental sites in southern Quebec (Canada) were used to calibrate the HYDRUS-1D model and to estimate ranges of possible GR in a region where groundwater is increasingly used as a source of fresh water. The simulations identified and quantified important factors responsible for the near-surface water balance that leads to GR. The resulting GR estimates from 2016 to 2018 showed marked differences between the three sites, with values ranging from 347 to 735 mm/y. Mean GR for the three sites was 517 mm/y for 2016–2018 and 455 mm/y for the previous 12-year period. GR was shown to depend on monthly variations in precipitation and on soil textural parameters in the root zone, both controlling soil-water retention and evapotranspiration. Monthly recharge patterns showed distinct preferential GR periods during the spring snowmelt (38–45% of precipitation) and in the fall (29% of precipitation). The use of different meteorological datasets was shown to influence the GR estimates.
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 ».