MétaCan
Menu
Retour à la cohorte
Enregistrement W4404192207 · doi:10.1080/02626667.2024.2427890

The first catchment water balance: new insights into Pierre Perrault, his perceptual model and his peculiar catchment

2024· article· en· W4404192207 sur OpenAlexaff
Jeffrey J. McDonnell, Keith Beven, Uwe Morgenstern, Laurent Pfister

Notice bibliographique

RevueHydrological Sciences Journal · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesMinistry of Business, Innovation and Employment
Mots-clésDrainage basinContext (archaeology)PerceptionWater balanceStreamflowHydrology (agriculture)Environmental scienceGeographyArchaeologyGeologyCartographyEpistemology

Résumé

récupéré en direct d'OpenAlex

Pierre Perrault and his 1674 book De l’Origine des Fontaines are widely acknowledged in hydrology as the first formal articulation of the catchment water balance based on field data. Many summaries of his work have now been written, but few of these summaries have examined Perrault’s perceptual model in detail and none that we are aware of have gone back to his study catchment to collect new data in which to frame these historic findings in a modern context. Here we report new insights (with re-calculations of some of his analyses) into Perrault’s work, his perceptual model of streamflow generation and his rather peculiar 119 km2 headwater catchment of the Seine River basin. We show the uncertainty of his flow and catchment area estimates, some errors in perception about hydrological flowpaths and new age estimates for the spring-fed site where he worked. Despite these modern criticisms and updates, Perrault’s place in hydrological history is secure: he was the first to bring quantitative analysis to fundamental questions of the terrestrial water cycle.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,017
Communication savante0,0070,013
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
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 Opus0,018
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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'étudeQualitatif
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'admission1
Résumé présentoui

Explorer davantage

Même revueHydrological Sciences JournalMême sujetHydrology and Watershed Management StudiesTravaux en français237 207