Monetizing the role of water in sustaining watershed ecosystem services using a fully integrated subsurface–surface water model
Notice bibliographique
Résumé
Abstract. Water is essential for all ecosystem services, yet a comprehensive assessment of total (overall) water contributions to ecosystem services production has never been attempted. Quantification of the many ecosystem services impacted by water demands integrated hydrological simulations that implicitly characterize subsurface and surface water exchange. In this study, we use a fully integrated hydrological model—HydroGeoSphere (HGS)—to capture changes in subsurface water, surface water, and evapotranspiration (green water) combined with the economic valuation approach to assess ecosystem services over an 18-year period (2000–2017) in a mixed-use but predominantly agricultural watershed in eastern Ontario, Canada. Using the green water volumes and ecosystem services values as inputs, we calculate the marginal productivity of water, which is $0.45 per m3 (in 2022 Canadian dollars). The valuation results show that maximum green water is used during the dry years, with a value of $1.16 billion during a severe drought that struck in 2012. The average product of water for ecosystem services declines during the dry years. Because subsurface water is a major contributor to the green water supply, it plays a critical role in sustaining ecosystem services during drought conditions. For instance, during the 2012 drought, the subsurface water contribution to green water was estimated at $743 million, making up 72 % of the total value of green water used in that year. Conversely, the surface water contributions in green water provision over the modeling period are comparatively miniscule. This study informs watershed management on the sustainable use of subsurface water during droughts and provides an improved methodology for watershed-based integrated management of ecosystem services.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».