Using multiple hydrological data sources to reduce uncertainty in soil drainage modeling
Notice bibliographique
Résumé
Soil drainage flux is crucial for determining agrochemical loading and groundwater recharge. Because soil drainage is difficult to measure, it is typically predicted using soil moisture models. However, different soil moisture models have been shown to produce different drainage values although they all respected the same soil measurements well, leading to a non-uniqueness problem. To address this issue, this study used groundwater level, stream flow, and tile drainage measurements along with soil moisture data to constraint soil drainage estimation through a coupled soil and groundwater modeling framework in the Cross River watershed in Prince Edward Island, Canada. A 1D Richards equation model, LEACHM, was developed to predict soil drainage and calibrated using soil moisture data. A 3D watershed-scale MODFLOW model was built and calibrated against groundwater level data. The two models were loosely coupled using the soil drainage predicted by LEACHM as recharge. Forward coupled LEACHM and MODFLOW simulations were performed until simulated daily soil moisture, groundwater level, baseflow, and tile drainage values simultaneously matched the 2011–2014 observed values within prescribed error ranges by fine tuning the hydraulic parameters in coupled models. The coupled models were then verified using 2015–2016 data. The resulting LEACHM simulations matched the soil moisture data with less than 15% error, and MODFLOW simulations matched the groundwater level and base flow data, except for a few short periods when LEACHM overestimated soil drainage under deep snow cover. Although the timing of simulated soil drainage corresponded with the occurrence of tile drainage, the simulated soil drainage was generally higher than the tile drainage, which is considered reasonable because tiles intercept only a portion of the overall soil drainage. This exercise demonstrates that the coupled modeling respected multiple hydrological data sources instead of soil moisture alone, and thus enhanced soil moisture estimation.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».