MétaCan
Menu
Retour à la cohorte
Enregistrement W4297093131 · doi:10.1029/2021wr031913

Upscaling Hillslope‐Scale Subsurface Flow to Inform Catchment‐Scale Recession Behavior

2022· article· en· W4297093131 sur OpenAlexafffund
Mark Ranjram, James R. Craig

Notice bibliographique

RevueWater Resources Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGroundwater rechargeGeologyHydrographStructural basinSubsurface flowFlow (mathematics)Hydrology (agriculture)Geotechnical engineeringDrainage basinGeomorphologyMechanicsAquiferGroundwaterGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The subsurface flow contribution to a basin hydrograph is often conceptualized as a single lumped reservoir parameterized by a power law function fit through the observed recession behavior of the basin. However, basins may be better represented as multiple independent subsurface hillslope reservoirs characterized with variable, transient recession behavior as a function of the time history of recharge. In this work, we unify the latter, more complex understanding of the subsurface with the large‐scale power law recession behavior convenient in hydrologic modeling applications. This unification is achieved by deriving upscaling relationships capable of converting simple metrics of basin hillslope topography into a signature basin response characterizing the subsurface‐flow‐induced recession from a single recharge event. Event superposition may then be used to simulate the application of a time series of recharge and a simple scaling relationship may be used to handle basins with homogeneous conductivity. The signature response is informed by numerical simulations of the hillslope‐storage Boussinesq equation for unconfined saturated flow through sloping hillslopes applied to 30 basins in the CAMELS database. The efficacy of the upscaled signature response in replicating numerical simulations in 50 CAMELS basins is demonstrated, as is the practical efficacy of the upscaling relationships for predicting transient recession in 17 of these basins. The upscaled signature response method thus provides a tool for hydrologic modelers to estimate transient recession parameters using the insights of subsurface flow modeling, although the predictions made by this method are unable to capture the full variability of observed recession behavior.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,312
Écart entre enseignants0,279 · 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'étudeSimulation ou modélisation
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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207