Paired Air and Stream Temperature Analysis (PASTA) to Evaluate Groundwater Influence on Streams
Notice bibliographique
Résumé
Abstract Groundwater is critical for maintaining stream baseflow and thermal stability; however, the influence of groundwater on streamflow has been difficult to evaluate at broad spatial scales. Techniques such as baseflow separation necessitate streamflow records and do not directly indicate whether groundwater inflow may be sourced from more dynamic shallow flowpaths. We present a web tool application PASTA (Paired Air and Stream Temperature Analysis; https://cuahsi.shinyapps.io/pasta/ ) that capitalizes on increased public stream temperature data availability and large‐scale, gridded climate observations to provide new and efficient insights regarding relative groundwater influence on streams. PASTA analyzes paired air and stream water temperature signals to evaluate spatiotemporal patterns in stream thermal sensitivity and relative groundwater influence, including inference regarding the dominant source groundwater depth (shallow or deep (i.e., approximately >6 m depth)). The tool is linked to publicly available stream temperature datasets and accepts user‐uploaded datasets. As local air temperature is not often monitored, PASTA pulls daily air temperature data from the comprehensive Daymet products when directly measured data are unavailable, allowing the repurposing of existing stream temperature data. After data are selected or uploaded, the tool (a) fits sinusoidal curves of daily stream and air temperatures by year (water or calendar) to indicate groundwater influence characteristics and (b) performs linear regressions for stream versus air temperatures to indicate stream thermal sensitivity. Results are exported in ASCII file format, creating an efficient and approachable analysis tool for the adoption of newly developed heat tracing analysis from stream reach to landscape scales.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».