Characterisation of drainage dynamics of karst landscapes over Europe
Notice bibliographique
Résumé
Karst aquifers play a crucial role as water sources globally, with several European countries relying significantly on them for their water supply. Managing these aquifers is challenging due to their subsurface hydraulic heterogeneity. Hydrological modeling has proven valuable, offering insights into the hydraulic dynamics and management of karst water resources. However, characterizing karst drainage attributes at large catchment and regional scales remains challenging, hindering the incorporation of spatial heterogeneity and complexity in large-scale models and leading to unrealistic estimations in karst regions. This study addresses the issue by providing the first regional estimation of karst drainage attribute across Europe, this attribute is herein called Karstification Index (KI). Leveraging a newly developed automated karst spring recession analysis tool, and extensive climatic and physiographic datasets, we applied a regression-based regionalization model to estimate slow and quick flow parameters in karstic landscapes. By estimating KI as the ratio of quick to slow flow parameters, we were able to identify sub-regions with higher and lower degrees of karstification. Our findings highlight the significance of drainage density metrics, particularly in combination with specific climate signals, as predictors of KI. The regionalization model demonstrated high performance, validated by high R2 values, especially in well-gauged European catchments. Encouraged by these results, the analysis is being extended to a global scale, marking the first attempt to estimate karstic drainage attributes globally. We believe that this large-scale parameterization of karstification will enhance regional and global karst water resource management. By improving the parameterization and consideration of karst processes in large-scale hydrological models, our research contributes to a more accurate understanding of karst aquifers on a global scale.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».