Land cover influence on catchment scale subsurface water storage investigated by multiple methods: Implications for UK Natural Flood Management
Notice bibliographique
Résumé
United Kingdom (UK). ‘Natural flood management’ (NFM) schemes manipulating land use and other catchment features to control runoff are increasingly promoted across the UK. Catchment water storage and mixing processes influence runoff, but our understanding of the effects of land cover change on these processes is still limited. This study combined hydrometric, isotopic and geochemical measurements to investigate land cover versus potential topographic, soil and geological controls. It compared storage-discharge dynamics in nine nested catchments within a 67 km2 managed upland catchment in southern Scotland. Storage and mixing dynamics were characterised from hydrometric data using recession analysis and from isotopic data using mean transit time and young water fraction estimates. To give information on water sources, groundwater fraction was estimated from end member mixing analysis based on acid neutralising capacity. The analysis showed low but variable sub-catchment scale dynamic storage (16–200 mm), mean transit times (134–370 days) and groundwater fractions (0.20–0.52 of annual stream runoff). Soil hydraulic conductivity was most significantly positively correlated with storage and mixing measures, whilst percentage forest cover was inversely correlated. Any effects of forest cover on increasing catchment infiltration and storage are masked by soil hydraulic properties even in the most responsive catchments. This highlights the importance of understanding dominant controls on catchment storage when using tree planting as a flood management strategy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».