Groundwater storage dynamics and climate variability in the Lower Kutai Basin of Indonesia: reconciling GRACE ΔGWS to piezometry
Notice bibliographique
Résumé
Abstract. Groundwater is considered a climate-resilient source of freshwater yet its long-term response to climate variability remains poorly understood in environments with limited ground-based monitoring networks. In the Lower Kutai Basin (LKB) where Indonesia’s new capital (Nusantara) is under development, we examine evidence from Gravity Recovery and Climate Experiment (GRACE) satellite data, global-scale models, precipitation records, and in situ piezometric observations to investigate groundwater storage changes (ΔGWS) over the last two decades. GRACE-derived terrestrial water storage anomalies (ΔTWS) exhibit strong seasonal and interannual variability that are dominated by changes in soil moisture storage (ΔSMS). Statistical analyses reveal low to moderate correlations (r: -0.30 to -0.56) between ΔTWS, ΔSMS, ΔGWS and the El Niño-Southern Oscillation (ENSO), particularly during the 2015–2016 El Niño when ΔTWS declined at a rate of 3.8 cm/month. Downscaled ΔTWS (0.25° and 0.5°) are strongly correlated (r = 0.85 to 1) to ΔTWS at coarser spatial scales (3° mascon and the entire Borneo) despite GRACE’s native spatial resolution limitations. As a residual parameter, GRACE ΔGWS is subject to arithmetic uncertainties that arise primarily from uncertainty in GRACE products and simulated storage components. Across the 36 realizations employed in this study, ~30 % of the GRACE-derived ΔGWS estimates per realization are physically implausible, exhibiting positive values during dry periods and vice versa; main sources of uncertainty derive from estimates of ΔSMS and surface water storage anomalies (ΔSWS) in this tropical, data-sparse environment. Despite these limitations, plausible GRACE ΔGWS values generally align with groundwater-level dynamics and trends observed from available piezometric data. High-frequency (hourly) groundwater-level observations indicate that episodic, high-intensity rainfall events (>90th percentile) disproportionately contribute to groundwater recharge.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».