MétaCan
Menu
Retour à la cohorte
Enregistrement W7056501184

Estimation de la recharge des eaux souterraines au Québec méridional par modélisation de la zone vadose et la sensibilité aux variables d'entrées

2020· other· fr· W7056501184 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2020
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGroundwater rechargeVadose zoneWater tableAquiferHydrology (agriculture)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La modélisation de la zone non saturée a reçu une attention grandissante dans la communauté scientifique au cours des dernières années afin d'estimer la recharge des eaux souterraines et d'étudier l'influence des différents facteurs contrôlant les processus inhérents. De plus, il a précédemment été démontré que les données d'humidité du sol peuvent fournir des informations utiles à la compréhension des processus d'écoulement dans la zone vadose. Dans cette optique, des données de teneur en eau du sol ont été enregistrées à trois sites faisant partie de l'infrastructure de recherche sur la recharge des eaux souterraines (IRRES) déployée dans la partie sud de la province de Québec au Canada. Ces données ont été subséquemment utilisées lors des processus d'inversion afin de calibrer le modèle HYDRUS-lD. Cette solution numérique basée sur l'équation de Richards a permis de quantifier et d'étudier les différents processus de recharge opérant dans la région d'étude, où l'eau souterraine est utilisée de manière croissante comme source d'approvisionnement en eau potable. Les teneurs en eau volumiques simulées somme toute représentent bien les données expérimentales sous différents couverts végétaux et types de sol. La proportion de matière organique et de silt semble jouer un rôle très important dans la caractérisation de la zone vadose afin de simuler l'écoulement particulièrement dans les premiers centimètres de profondeur. Les estimations de recharge de 2016 à 2018 démontrent des variations à travers les différents sites, variant entre 347 et 735 mm/an, dépendant principalement des schémas de précipitations et de la texture du sol au sein de la zone racinaire influençant directement la rétention de l'eau et les flux d'évapotranspiration. La recharge à long terme a par la suite été simulée avec les modèles calibrés fournissant \nde plus amples détails sur les relations entre les facteurs climatiques, les caractéristiques du sol et la recharge. Les résultats ont démontré que les variations interannuelles des flux de recharge sont fortement liées aux quantités de précipitations et leur distribution au long de l'année. Des périodes de recharge préférentielles distinctes ont été identifiées au printemps lors de la fonte, représentant 38 à 45% des précipitations, ainsi qu'à l'automne, représentant 29% des précipitations, suivant l'évolution de l'évapotranspiration potentielle et de la disponibilité en eau. Différentes sources de données météorologiques ont également été utilisées comme valeurs d'entrée du modèle dans l'optique de guider les futurs utilisateurs potentiels quant à la performance des différents jeux de données disponibles dans le sud du Québec. \n_____________________________________________________________________________ \n \nMOTS-CLÉS DE L’AUTEUR : eau souterraine, recharge, modélisation, zone non saturée, teneur en eau du sol, Québec méridional

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 enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,241
Écart entre enseignants0,231 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetMagnetic confinement fusion researchTravaux en français237 207