MétaCan
Menu
← Retour à la cohorte
Enregistrement W4296376747 · doi:10.22541/au.166359443.31276450/v1

Characteristic Time Scales of Reservoir Evaporation in a Subarctic Climate

2022· preprint· en· W4296376747 sur OpenAlexaff
Adrien Pierre, Daniel F. Nadeau, Antoine Thiboult, Alain N. Rousseau, Alain Tremblay, Pierre‐Erik Isabelle, François Anctil

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensHydro-QuébecUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateLatent heatEnvironmental sciencePrecipitationEddy covarianceEvaporationAtmosphere (unit)HydropowerHydrology (agriculture)Sensible heatClimate changeAtmospheric sciencesClimatologyGeologyMeteorologyGeographyOceanographyEcosystem

Résumé

récupéré en direct d'OpenAlex

Water bodies such as lakes and reservoirs affect the regional climate by acting as heat sinks and sources through the evaporation of substantial quantities of water over several months of the year. Unfortunately, energy exchange observations between inland water bodies and the atmosphere remain rare in northeastern North America, which has one of the highest densities of lakes in the world. This study helps to fill this gap by analyzing field observations collected from a subarctic hydropower reservoir (50.69°N, 63.24°W) characterized by a mean depth of 44 m and a surface area of 85 km 2 . Two eddy covariance (EC) systems, one on a raft and one onshore, were deployed from 27 June 2018 to 12 June 2022. The thermal regime of the reservoir was monitored using vertical chains of thermistors. Results indicate a mean annual evaporation rate of 590 ± 66 mm (~70% of the annual precipitation), with 84% of the evaporation occurring at a high rate from August to freeze-up in late December through episodic pulses. It was difficult to close the energy balance because of the magnitude and the large time lag of the heat storage term. In order to circumvent this problem, we opted to perform calculations for a year that started from the first of March, as the heat storage in the water column was at its lowest at that point and could thus be ignored. From June to December, monthly Bowen ratios increased from near-zero negative values to about 1.5. After September, due to smaller vapor pressure deficits, latent heat fluxes steadily declined until an ice cover sealed up the reservoir. Two opposite diurnal cycles of sensible and latent heat fluxes were revealed during the open water period, with sensible heat fluxes peaking at night and latent heat fluxes peaking in the afternoon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→