MétaCan
Menu
Retour à la cohorte
Enregistrement W4220845663 · doi:10.1029/2021gl096069

Urban Water Storage Capacity Inferred From Observed Evapotranspiration Recession

2022· article· en· W4220845663 sur OpenAlexfundno aff
Harro Jongen, Gert‐Jan Steeneveld, Jason Beringer, Andreas Christen, Nektarios Chrysoulakis, Krzysztof Fortuniak, Jinkyu Hong, Je‐Woo Hong, C.M.J. Jacobs, Leena Järvi, Fred Meier, Włodzimierz Pawlak, Matthias Roth, Natalie Theeuwes, Erik Velasco, Roland Vogt, Adriaan J. Teuling

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Research Foundation of KoreaNederlandse Organisatie voor Wetenschappelijk OnderzoekCanada Foundation for InnovationAcademy of FinlandNational Research Foundation SingaporeDeutsche Forschungsgemeinschaft
Mots-clésEvapotranspirationWater storageEnvironmental scienceEddy covarianceLatent heatPrecipitationEvaporationSurface runoffSensible heatHydrology (agriculture)Atmospheric sciencesEcosystemMeteorologyGeologyGeographyEcologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Water storage plays an important role in mitigating heat and flooding in urban areas. Assessment of the water storage capacity of cities remains challenging due to the inherent heterogeneity of the urban surface. Traditionally, effective storage has been estimated from runoff. Here, we present a novel approach to estimate effective water storage capacity from recession rates of observed evaporation during precipitation‐free periods. We test this approach for cities at neighborhood scale with eddy‐covariance based latent heat flux observations from 14 contrasting sites with different local climate zones, vegetation cover and characteristics, and climates. Based on analysis of 583 drydowns, we find storage capacities to vary between 1.3 and 28.4 mm, corresponding to e ‐folding timescales of 1.8–20.1 days. This makes the urban storage capacity at least five times smaller than all the observed values for natural ecosystems, reflecting an evaporation regime characterized by extreme water limitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,280
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetUrban Heat Island MitigationTravaux en français237 207