MétaCan
Menu
Retour à la cohorte
Enregistrement W4414390982 · doi:10.3390/geosciences15090370

Hydrothermal Modeling of Groundwater–Surface Water Interactions Under an Evolving Climate

2025· article· en· W4414390982 sur OpenAlexafffundabout
Milad Fakhari, Jasmin Raymond, Richard Martel

Notice bibliographique

RevueGeosciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrological Forecasting Using AI
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change Canada
Mots-clésPermafrostGroundwaterClimate changeHydrology (agriculture)Global warmingGroundwater flowStreamflowAquiferSTREAMS

Résumé

récupéré en direct d'OpenAlex

Groundwater–surface water interactions play a critical role in regulating river temperature and flow, particularly in northern regions affected by climate change. This study evaluates the influence of climate warming on groundwater discharge for two rivers in Quebec: the Sainte-Marguerite River, located in a humid continental zone without permafrost, and the Berard River, situated in a subpolar continental zone with discontinuous permafrost. Using two-dimensional hydrothermal modeling supported by field data, the analysis reveals that climate warming will increase groundwater seepage into both river systems. The effect is notably more pronounced in permafrost regions, where thawing accelerates subsurface flow. Model projections indicate that permafrost near the Berard River may vanish by 2040 under high-emission scenarios or by 2070 under low-emission scenarios. This transition is expected to result in more than a thirtyfold increase in groundwater discharge by the end of the century. These findings highlight the growing influence of groundwater in shaping river hydrology under changing climatic conditions and underscore the need to incorporate subsurface flow dynamics into future water resource management and habitat conservation strategies in northern environments.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,922

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,275
Écart entre enseignants0,249 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeosciencesMême sujetHydrological Forecasting Using AITravaux en français237 207