WISE: A spatially explicit carbon cycling model at the watershed scale
Notice bibliographique
Résumé
Watershed-scale carbon cycling models characterize both vertical and lateral carbon fluxes and enable a comprehensive assessment of carbon budgets. However, existing models have limitations in representing hydrological flow pathways, which limits the accuracy of simulation results. In this study, we developed a spatially explicit watershed-scale carbon cycling model, named WISE (Watershed-based Integrated Simulator for the Environment), which incorporated detailed representation of hydrological connectivity across landscapes to examine the effects of hydrological flow pathways on watershed carbon cycling. First, a spatially explicit framework was designed to ensure that simulation units have clearly defined spatial locations and explicit flow relationships among them, including the interception of water and carbon by impoundments. Subsequently, four types of processes—hydrology, soil erosion, terrestrial carbon cycling, and aquatic carbon cycling—were represented and integrated based on this framework. Two representative case studies in an upstream watershed of the Ammersee lake in southern Germany and a well-measured catchment in northern Sweden were conducted to demonstrate the capacity of the developed model. Sensitivity analysis revealed that considering wetland interception improved KGE and NSE values by 0.28 and 0.54, respectively. By accurately simulating the processes of carbon transport and transformation in soil and inland waters, the WISE model provides a valuable tool for simulating and understanding watershed carbon cycling processes under global climate change scenarios.
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 ».