Evaluation of multiple time scale rainfall erosivity models: A case study of subtropical regions in Central China
Notice bibliographique
Résumé
Abstract Rainfall erosivity is an essential factor affecting soil erosion, which is expected to change under global climate change. Despite the existence of numerous rainfall erosivity models, there remains a scarcity of research focusing on the accuracy of multi‐time scale models. In this study, the subtropical regions of central China (Hubei Province) were selected, where the simulation performance of six widely employed rainfall erosivity models was investigated using daily precipitation data from 70 meteorological stations spanning from 2000 to 2020. Using the optimal model, Kriging interpolation and the Mann–Kendall test revealed significant temporal and spatial variations in rainfall erosivity and density. The results show that: (1) the daily rainfall erosivity model was more suitable for simulating rainfall erosivity in Hubei Province. (2) The mean annual rainfall erosivity in Hubei Province was 5894.25 MJ·mm·ha −1 ·h −1 ·a −1 , with large variations across regions. (3) Rainfall erosivity and erosivity density showed significant differences between different seasons, and soil erosion was most likely to occur in summer (June, July and August). (4) The spatial distribution pattern of rainfall erosivity and erosivity density was highly consistent: the long‐term high levels of rainfall erosivity and erosivity density were in Xianning City, southeastern Hubei Province, and the soil erosion risk was high. The findings of this study offer valuable insights into the selection of rainfall erosivity models in subtropical mountainous and hilly areas and provide a reference for assessing soil erosion risk and formulating control measures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».