Water storage variations in the U.S. Great Lakes watershed inferred from GPS and GRACE and connections with ENSO and NAO
Notice bibliographique
Résumé
Assessing spatiotemporal water storage variability in the Great Lakes watershed (GLW) is critical for water resources in the US and Canada. Here, we assess terrestrial water storage (TWS) variations in the GLW by using data from global positioning system (GPS), GRACE satellites and a composite hydrological model (CHM), and examine the relationship between TWS and climate changes, such as ENSO, NAO etc. Observations show a surface water storage increase of ~175 km3 from 2010 to 2020, however, Earth's crust subsidence caused by this water increase alone cannot explain the GPS recorded vertical displacement, suggesting additional contributions need to be explored.The spatial pattern in annual change of GPS-inverted TWS agrees well with that from the CHM, indicating that the annual cycle mainly dominated by soil moisture and snow. GRACE underestimates the spatial patterns of long-term and seasonal TWS fluctuations w.r.t GPS. The peak in GPS-inverted TWS occurs in March, coinciding with those from GPS, however, one to two months ahead of that appear in the CHM. The magnitude of seasonal groundwater oscillation is ~60 km3 with peaking in September, coinciding with the Great Lakes surface water peak; however, the magnitudes and phases of groundwater storage vary markedly among the sub-regions in the GLW. ENSO and NAO have impacts on GLW TWS variations at interannual scale through effecting the regional precipitation and temperature. The high-density GPS stations in the GLW represent an independent tool to estimate high-resolution TWS changes and provide critical insights for understanding water storage variations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».