Stable Isotope‐Inferred Hydrology of Ponds Created by the Mount St. Helens Eruption
Notice bibliographique
Résumé
ABSTRACT Freshwater ponds are prevalent globally and provide critical ecosystem functions (e.g., water storage and groundwater recharge), yet little is known of their hydrological features immediately following formation. We analysed stable isotopes of water (δ 2 H, δ 18 O) to characterize spatio‐temporal hydrologic variation in ponds created by the Mount St. Helens eruption. We also examined how climate and landscape features interact to regulate local hydrology. Ponds were sampled for isotopic analysis in spring (2015, 2017, 2018) and summer (2018). Mass balance models characterized the water balance of ponds (evaporation:inflow; E:I), as well as water sources (rain, snow). Other variables were measured in situ (temperature, conductance), collected from data sources (meteorology) or quantified with remote sensing (vegetation). Bayesian estimates of standard ellipse areas (SEA B ) were used to compare isotopic values among years, whereas linear models were used to examine local and regional drivers of E:I, as well as intra‐annual isotopic shifts. We observed high interannual variability (as SEA B ), suggesting that snow was the main water source in wet years but that the proportion of rain and snow varied among sites in dry years. Spring E:I was negatively correlated with total precipitation, whereas the importance of evaporation in summer varied with pond morphology, with large shallow ponds exhibiting the greatest evaporation. Evaporation regulated the hydrology of ponds with higher dissolved organic carbon (DOC; as residuals of DOC and chlorophyll). We show that simple metrics of basin morphometry can predict seasonal variability in pond hydrology, allowing managers to better estimate pond sensitivity to future climate conditions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».