A global analysis of the influence of shallow and deep groundwater tables on relationships between environmental parameters and heatwaves
Notice bibliographique
Résumé
Heatwaves increasingly impact ecosystems, human health, and economic activities worldwide. As their frequency and intensity rise, understanding the mechanisms driving heatwave dynamics and interactions with land surface processes becomes crucial. While numerous studies have examined atmospheric and land surface variables, the role of groundwater, through its effects on soil moisture and surface evaporative fluxes, remains less understood. Although modeling approaches at various scales have enhanced our understanding of groundwater-atmosphere coupling, machine learning (ML) enables capturing complex, nonlinear interactions and evaluating the relative importance of key drivers globally. We developed pixel-based ML models to estimate global summer heatwave frequency over the past 21 years. For each pixel, we considered data within a 1.5° radius (149 neighboring pixels), identified as the optimal scale through a saturation radius analysis. We used feature importance metrics to identify the dominant drivers among surface fluxes, land characteristics, atmospheric and hydrological variables, and interpreted these results in relation to contrasting groundwater depths (<10 m and >100 m). We ensured robustness using 10-fold cross-validation and confirmed that results were not driven by randomness with two additional validation runs on a subset of the data, with shuffled targets and randomized covariates. Our findings suggest that geopotential height showed the highest relative importance among predictors in regions with deep groundwater tables, while in areas with shallow groundwater, surface fluxes emerge as the key contributor. Incorporating groundwater-related processes may therefore improve understanding of land-atmosphere interactions and support more robust assessments of future heatwave risks.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».