MétaCan
Menu
Retour à la cohorte
Enregistrement W4409800125 · doi:10.1016/j.fecs.2025.100337

Quantifying spatiotemporal inconsistencies in runoff responses to forest logging in a subtropical watershed, China

2025· article· en· W4409800125 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueForest Ecosystems · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésWatershedLoggingSurface runoffEnvironmental scienceSubtropicsTropical and subtropical moist broadleaf forestsChinaAgroforestryHydrology (agriculture)GeographyEcologyForestryGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Global forest cover is undergoing significant transformations due to anthropogenic activities and natural disturbances, profoundly impacting hydrological processes. However, the inherent spatial heterogeneity within watersheds leads to varied hydrological responses across spatiotemporal scales, challenging comprehensive assessment of logging impacts at the watershed scale. Here, we developed multiple forest logging scenarios using the soil and water assessment tool (SWAT) model for the Le'an River watershed, a 5,837 ​km 2 subtropical watershed in China, to quantify the hydrological effects of forest logging across different spatiotemporal scales. Our results demonstrate that increasing forest logging ratios from 1.54% to 9.25% consistently enhanced ecohydrological sensitivity. However, sensitivity varied across spatiotemporal scales, with the rainy season (15.30%–15.81%) showing higher sensitivity than annual (11.56%–12.07%) and dry season (3.38%–5.57%) periods. Additionally, the ecohydrological sensitivity of logging varied significantly across the watershed, with midstream areas exhibiting the highest sensitivity (13.13%–13.25%), followed by downstream (11.87%–11.98%) and upstream regions (9.96%–10.05%). Furthermore, the whole watershed exhibited greater hydrological resilience to logging compared to upstream areas, with attenuated runoff changes due to scale effects. Scale effects were more pronounced during dry seasons ((−8.13 to −42.13) ​× ​10 4 ​m 3 ⋅month −1 ) than in the rainy season ((−11.11 to −26.65) ​× ​10 4 ​m 3 ⋅month −1 ). These findings advance understanding of logging impacts on hydrology across different spatiotemporal scales in subtropical regions, providing valuable insights for forest management under increasing anthropogenic activities and climate change. • Increasing forest logging ratios consistently amplified ecohydrological sensitivity. • Ecohydrological sensitivity of logging varied depending on the spatial location within the watershed. • The whole watershed exhibited greater hydrological resilience to forest logging compared to the upstream areas.

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.

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)0,001
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 enseignants0,256
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,019
Tête enseignante GPT0,255
Écart entre enseignants0,236 · 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