MétaCan
Menu
Retour à la cohorte
Enregistrement W4403180648 · doi:10.1016/j.ejrh.2024.101991

Baseflow characteristics and drivers in headwater catchment of the Yellow River, Tibetan Plateau

2024· article· en· W4403180648 sur OpenAlexafffund
Jiao Zhang, Yu Lan, Xinsen Chen, Yuhua Tan, Tong Wu, Shixuan Lyu, Yuyan Zhou, Yongqiang Zhang, Lei Cheng, Yun Chen

Notice bibliographique

RevueJournal of Hydrology Regional Studies · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesUniversity of British ColumbiaNational Natural Science Foundation of ChinaNatural Science Foundation of Shandong ProvinceChina Scholarship CouncilChina Association for Science and Technology
Mots-clésPlateau (mathematics)BaseflowDrainage basinGeographyWater resource managementHydrology (agriculture)Environmental scienceCartographyGeologyStreamflowMathematics

Résumé

récupéré en direct d'OpenAlex

Study area The headwater catchment of the Yellow River (HCYR) (95°90′–103°42′E, 32°16′–36°13′N) is located on the northeast of the Tibetan Plateau , a presentative high-cold region catchment, China. Study focus HCYR serves as the primary water supply during the dry season in downstream of the Yellow River Basin . Herein, we applied linear regression and the Bernaola-Galvan heuristic segmentation algorithm to identify the baseflow trends and abrupt changes. Four baseflow signatures (baseflow index ( BFI ), seasonal ratio ( SR ), concave index ( CI ), and slope of baseflow duration curve ( S BDC )) were used to investigate the characteristics of baseflow changes and the drivers quantitatively. New hydrological insights for the region The main findings are: (1) the baseflow generally exhibited an increasing trend (R 2 > 0.35, p < 0.1), (2) baseflow variation has an apparent spatiality, and it shows a more pronounced change in the middle part than the upper and lower parts, and (3) precipitation, sunshine hours, soil moisture and evapotranspiration were the controlling factors on the baseflow characteristics. These findings provide a deeper insight into baseflow behavior and drivers in high-cold regions, which are vital for ecosystem health, water resource safety and management in critical headwater catchments.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,041
Score d'incertitude au seuil0,444

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
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 Opus0,017
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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 tête enseignante, 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrology Regional StudiesMême sujetHydrology and Watershed Management StudiesTravaux en français237 207