Technical note: Including non-evaporative fluxes enhances the accuracy of isotope-based soil evaporation estimates
Notice bibliographique
Résumé
Abstract. Accurately estimating soil water evaporation is essential for quantifying terrestrial water and energy. Isotope-based methods are useful but often rely on steady-state (SS) soil water storage assumptions or non-steady-state (NSS) models that ignore non-evaporative fluxes (such as infiltration and transpiration), leading to mass balance errors. Here, we introduce a new framework, named ISONEVA (ISOtope based soil water evaporation estimation considers dynamic soil water storage and Non-EVAporative fluxes), adapted from lake evaporation models to account for both evaporative and non-evaporative fluxes in soils under dynamic soil water storage. Validation under virtual and field scenarios demonstrated that ISONEVA improved evaporation estimates by 54.1%–83.6% (virtual) and 54.5%–92.4% (field) compared to traditional SS and NSS models. Furthermore, ISONEVA estimated a plausible upper limit of the E/ET ratio (0.139), encompassing the observed value (0.126), whereas SS and NSS methods severely underestimated (0.037) or were unable to produce a limit under field validation. These results highlight the critical role of dynamic soil water storage and non-evaporative fluxes in isotope-based soil water evaporation estimates, offering a robust framework for long-term assessments and informing future coupled land surface modeling efforts.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».