Driving processes of long-term large scale groundwater recharge in cold and humid climates
Notice bibliographique
Résumé
Large scale and long-term estimates of groundwater recharge (GWR) are strategic for assessing the relative impacts of climate change and land cover (LC) change on groundwater resources. This is especially true in cold and humid climates where global change has a high disrupting potential. Therefore, this work aims to determine the driving processes of long-term and large-scale GWR in cold and humid climates. Using a parsimonious model, GWR was simulated in the cold and humid region of southern Quebec, Canada (35 800 km2) over the past decades (1961-2017) and for potential future conditions (12 scenarios, 1951-2100). Constant and time-variant LC were used, with a monthly time step and a 500 m x 500 m spatial resolution. The datasets and model are open source. The simulated past and future results showed the importance of seasonality for GWR and the key role of annual temperature in the spatial distribution of GWR rates. They highlighted the high responsiveness of the cold and humid region hydrology to long-term interannual climate variability and the importance of simulating the snow and freezing processes when estimating GWR in these climates. In the future, warmer temperatures during the cold months (less precipitation as snow, earlier snowpack melting) led to more liquid water available when the vegetation was dormant, leading to higher GWR. Warmer temperatures during the rest of the year extended the growing period and increased plant water uptake, directly decreasing the water available for GWR. The direction of the annual changes in GWR thus depended on whether the increase during the cold months could offset the decrease during the rest of the year. The sensitivity of GWR to climate change increased with the increase in LC change intensity. The spatial distribution of LC changes was identified as another driver of GWR change as afforestation took place on agricultural areas, located on the flattest and clayey areas, thus reducing the GWR rates for forested area over time. This work called for a more systematic inclusion of LC changes in long-term groundwater resource simulation and proposes a computationally-affordable methodology to tackle it.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».