MétaCan
Menu
Retour à la cohorte
Enregistrement W4378071706 · doi:10.1029/2022gl101801

Hydrologic Connectivity and Patch‐To‐Hillslope Scale Relations in Dryland Ecosystems

2023· article· en· W4378071706 sur OpenAlexafffund
Octavia Crompton, Gabriel G. Katul, Dana Lapides, Sally Thompson

Notice bibliographique

RevueGeophysical Research Letters · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensSimon Fraser University
Organismes subventionnairesU.S. Forest ServiceOak Ridge Institute for Science and EducationSimon Fraser UniversityU.S. Department of AgricultureU.S. Department of EnergyNational Science Foundation
Mots-clésSurface runoffHydrology (agriculture)EcohydrologyEnvironmental scienceSink (geography)GeologyStormSoil scienceEcosystemGeotechnical engineeringEcologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract In drylands, runoff during storms redistributes water and nutrients from bare soil areas to vegetated patches, subsidizing vegetation with additional resources. The extent of this redistribution depends on the interplay between surface roughness and permeability; greater permeability in vegetated patches promotes run‐on to vegetation, but greater surface roughness diverts runoff, producing tortuous flow paths that bypass vegetation. Here, this interplay is examined in virtual experiments using the 2D Saint Venant Equations to measure runoff connectivity. Flowpaths are delineated using tracers advected by the flow. Distances between tracer sources and sinks along flowpaths measure hydrologic connectivity at two lengthscales: connectivity to the hillslope outlet and within‐slope source‐sink connectivity. Differences between these connectivity lengthscales indicate how flow may “by‐pass” vegetated patches within hillslopes. At the hillslope scale, a derived power‐law relation between the runoff coefficient and outlet connectivity describes hillslope water losses, providing a foundation for identifying landscapes likely to shed water.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,287
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207