MétaCan
Menu
← Retour à la cohorte
Enregistrement W4382632338 · doi:10.1038/s41467-023-39095-z

Importance of subsurface water for hydrological response during storms in a post-wildfire bedrock landscape

2023· article· en· W4382632338 sur OpenAlexaff
Abra Atwood, Madeline Hille, Marin K. Clark, Francis K. Rengers, Dimitrios Ntarlagiannis, Kirk F. Townsend, A. Joshua West

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensBGC Engineering (Canada)
Organismes subventionnairesNuclear Safety and Security CommissionU.S. Geological SurveyNational Aeronautics and Space AdministrationU.S. Forest ServiceNational Science Foundation
Mots-clésStormBedrockSurface runoffSubsurface flowEnvironmental scienceHydrology (agriculture)Infiltration (HVAC)LandslideFlooding (psychology)Water cycleDebrisSurface waterGeologyGroundwaterGeomorphologyEcologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Wildfire alters the hydrologic cycle, with important implications for water supply and hazards including flooding and debris flows. In this study we use a combination of electrical resistivity and stable water isotope analyses to investigate the hydrologic response during storms in three catchments: one unburned and two burned during the 2020 Bobcat Fire in the San Gabriel Mountains, California, USA. Electrical resistivity imaging shows that in the burned catchments, rainfall infiltrated into the weathered bedrock and persisted. Stormflow isotope data indicate that the amount of mixing of surface and subsurface water during storms was similar in all catchments, despite higher streamflow post-fire. Therefore, both surface runoff and infiltration likely increased in tandem. These results suggest that the hydrologic response to storms in post-fire environments is dynamic and involves more surface-subsurface exchange than previously conceptualized, which has important implications for vegetation regrowth and post-fire landslide hazards for years following wildfire.

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)0,000
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,261
Écart entre enseignants0,251 · 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

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetFire effects on ecosystems→Travaux en français237 207→