MétaCan
Menu
Retour à la cohorte
Enregistrement W4413049418 · doi:10.1016/j.jhydrol.2025.134036

Overlooked and underrated: Influence of snowmelt runoff on lake-level rise rivals river floodwaters at a cold-region freshwater delta

2025· article· en· W4413049418 sur OpenAlexafffundabout
Arisha Imran, Laura K. Neary, Roland I. Hall, Brent B. Wolfe

Notice bibliographique

RevueJournal of Hydrology · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensWilfrid Laurier UniversityUniversity of Waterloo
Organismes subventionnairesGlobal Water FuturesNatural Sciences and Engineering Research Council of CanadaNatural Resources CanadaCanada Foundation for InnovationParks CanadaPolar Knowledge Canada
Mots-clésSnowmeltDeltaSurface runoffGeologyHydrology (agriculture)River deltaGeomorphologyEnvironmental sciencePhysical geographySnowGeographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Snowmelt runoff is well-recognized as important for sustaining shallow waterbodies across semi-arid and sub-humid cold regions where water loss via evaporation is relatively high, but is often overlooked in cold-region floodplains where river floodwaters are considered to drive freshwater availability. At the Peace-Athabasca Delta (northwestern Canada), drawdown of ecologically and culturally important shallow lakes is a long-standing concern. The drawdown is widely attributed to alteration of the ice-jam flood regime, but the direct influence of snowmelt runoff remains largely unknown. Here, measurements of water depth and isotope composition are used to evaluate contributions from snowmelt versus river floodwaters to lake-level rise after widespread ice-jam flooding in spring 2020. Results reveal lake-level rise from snowmelt input at non-flooded lakes (median = 0.32 m; n = 27) is comparable to that from river floodwaters at flooded lakes (median = 0.26 m; n = 25). Snowmelt accounted for more than one-third of the rise at flooded lakes. Lake-level rise by snowmelt was greatest in areas where greater topographic relief and forest/shrub vegetation entrap wind-distributed snow from adjacent flat unforested terrain. In contrast, lake-level rise by floodwater was greatest in lower elevation flood-prone areas. Meteorological records of peak snow water equivalent and melt rate reveal that comparable contributions of snowmelt runoff to lake-level rise likely occurred regularly during 1963–1987 but values in 2020 (80 mm and 10.1 mm/day, respectively) have been exceeded once since 1987 (in 2018), suggesting drawdown of lakes during recent decades may also be associated with reduced input of snowmelt.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,226
Écart entre enseignants0,206 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of HydrologyMême sujetCryospheric studies and observationsTravaux en français237 207