High Spatial Resolution in Total Water Storage Variations Inferred From GPS: Case Study in the Great Lakes Watershed, US
Notice bibliographique
Résumé
Abstract Assessing spatiotemporal water storage variability in the Great Lakes Watershed (GLW) is critical given its transboundary status impacting both Canada and the United States. Here, we apply a novel inversion strategy to global positioning system (GPS) vertical movements to achieve high spatial resolution total water storage (TWS) variations in GLW through improved processing. The steps are composed of removing load changes driven by the lake water fluctuation by forward modeling, isolating the Great Lakes grids to solve the ill‐conditioned problem in inversion, and inverting the GPS residual series to estimate TWS variations on land (TWS GPS ). The results show that the regional dense continuous GPS observation network can successfully resolve TWS on land at monthly timescales with 30–45 km spatial resolution. We also could effectively capture fine‐scale TWS features than GRACE/GFO mascon products. GRACE/GFO satellites largely underestimate seasonal and long‐term TWS spatial fluctuations, but their temporal patterns coincide with those from GPS. The average annual amplitude of TWS GPS on land reaches 82.0 mm, greatly exceeding estimates from GRACE/GFO (∼48.0 mm) and composite hydrological model outputs (∼62.0 mm). The seasonal groundwater fluctuations inferred from GPS have peak‐to‐peak amplitudes of ∼40 km 3 with the maximum around September. This coincides with that from GRACE/GFO. However, the magnitudes and phases of groundwater storage from GPS vary markedly among the subbasins in GLW, and the different snow and soil moisture amounts measured in each subbasin cause discrepancies among these GPS estimates. This study shows the value of GPS data in spatially downscaling GRACE/GFO data and providing high‐resolution output at spatiotemporal scales with low latency.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».