MétaCan
Menu
Retour à la cohorte
Enregistrement W4313339660 · doi:10.1038/s41467-022-35582-x

Groundwater depletion in California’s Central Valley accelerates during megadrought

2022· article· en· W4313339660 sur OpenAlexafffund
Pang‐Wei Liu, J. S. Famiglietti, A. J. Purdy, Kyra H. Kim, Avery L. McEvoy, J. T. Reager, Rajat Bindlish, D. N. Wiese, Cédric H. David, Matthew Rodell

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesGoddard Space Flight CenterCalifornia State University, Monterey BayJet Propulsion LaboratoryUniversity of SaskatchewanCalifornia Institute of TechnologyNational Aeronautics and Space Administration
Mots-clésGroundwaterIrrigationHydrology (agriculture)Environmental sciencePeriod (music)Water resource managementWater supplyAgricultureGeologyGeographyEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Groundwater provides nearly half of irrigation water supply, and it enables resilience during drought, but in many regions of the world, it remains poorly, if at all managed. In heavily agricultural regions like California’s Central Valley, where groundwater management is being slowly implemented over a 27-year period that began in 2015, groundwater provides two–thirds or more of irrigation water during drought, which has led to falling water tables, drying wells, subsiding land, and its long-term disappearance. Here we use nearly two decades of observations from NASA’s GRACE satellite missions and show that the rate of groundwater depletion in the Central Valley has been accelerating since 2003 (1.86 km 3 /yr, 1961–2021; 2.41 km 3 /yr, 2003–2021; 8.58 km 3 /yr, 2019–2021), a period of megadrought in southwestern North America. Results suggest the need for expedited implementation of groundwater management in the Central Valley to ensure its availability during the increasingly intense droughts of the future.

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 enseignants0,183
Score d'incertitude au seuil0,364

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,026
Tête enseignante GPT0,241
Écart entre enseignants0,215 · 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

Citations178
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207