MétaCan
Menu
Retour à la cohorte
Enregistrement W4392586168 · doi:10.5194/egusphere-egu24-4000

The impact of our warming climate on global groundwater temperatures

2024· preprint· en· W4392586168 sur OpenAlexaff
Susanne A. Benz, Dylan J. Irvine, Gabriel C. Rau, Peter Bayer, Kathrin Menberg, Philipp Blum, Rob Jamieson, Christian Griebler, Barret Kuryly

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHydrological Forecasting Using AI
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGlobal warmingEnvironmental scienceGroundwaterClimate changeClimatologyWater resource managementNatural resource economicsGeologyEconomicsOceanography

Résumé

récupéré en direct d'OpenAlex

Groundwater, the largest reservoir of unfrozen freshwater on Earth, plays a crucial role in supporting life and ecosystems. Its thermal regimes influence various environmental processes, impacting groundwater-dependent ecosystems, geothermal potential, and groundwater quality. Despite its significance, little is known about how groundwater responds to surface warming across spatial and temporal scales. Here we present a comprehensive analysis of global groundwater temperature patterns, utilizing the latest CMIP6 scenarios.In this study we developed the first global model of groundwater temperature patterns, combining analytical solutions to conductive heat transport with high-resolution maps of ground thermal diffusivity and geothermal gradient. This model, validated with over 8,000 groundwater temperature measurements, allows users to estimate present and future temperature depth profiles globally. Past trends show a median global groundwater temperature increase of 0.3 °C over the last two decades. When simulating projected groundwater temperatures globally, our model reveals an average warming of 2.2°C (SSP 245) to 3.8°C (SSP 585) between 2000 and 2100 at the depth of the water table. Regional variations are substantial due to climate change and water table depth variability, with mountainous regions exhibiting the lowest warming rates. These distinct regional variations emphasize important thermal controls and the need for localized analysis.Our work sheds light on the importance of understanding groundwater warming patterns, identifying 'hot spots' that may pose risks to both ecosystems and human well-being. In this study we also offer a specific focus on Europe, providing averages to enhance regional relevance and address emerging challenges in groundwater quality and habitat preservation.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,315
Écart entre enseignants0,293 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrological Forecasting Using AITravaux en français237 207