Leveraging a time-series event separation method to untangle time-varying hydrologic controls influence on wildfire disturbed streamflow
Notice bibliographique
Résumé
Abstract. Watershed disturbances can have broad, long-lasting impacts that result in a range of streamflow response. Increasing disturbance regimes, particularly from wildfire, is a growing concern for watershed management. The influence of watershed disturbances on rainfall-runoff patterns has proved challenging to isolate from undisturbed streamflow variability due to the role of hydrologic controls that vary through time, including water year type, seasonality, and antecedent precipitation. To better assess the influence of watershed disturbance on rainfall-runoff event patterns we developed the Rainfall-Runoff Event Detection and Identification (RREDI) toolkit. The RREDI toolkit is a novel time-series event separation method that automates the pairing and attribution of precipitation and streamflow events, leveraging and building on existing event separation methods. A rainfall-runoff event dataset of 5042 events was generated by the RREDI toolkit from a collection of nine western US study watersheds spanning a range of streamflow regimes, watershed properties, and burn characteristics. Through analyzing the rainfall-runoff event dataset, we found that water year type and season were significant controls on rainfall-runoff metrics. The significance of antecedent precipitation was variable between watersheds, indicating a more complex relationship for this control. The watershed-specific permutations of significant controls resulted in unique significant condition group trends in the rainfall storm depth and peak runoff relationship in two contrasting watersheds. In general, for each of the significant condition groups post-fire peak runoff was higher than undisturbed peak runoff except during winter in snow-dominated watersheds. Consideration of the time-varying hydrologic controls, particularly water year type and season, were identified as important when untangling the influence of wildfire on the rainfall-runoff patterns. The RREDI toolkit can be further applied to investigate the influence of other watershed disturbances and controls to increase understanding of rainfall-runoff patterns across the landscape.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».