Bibliographic record
Abstract
L'evolution du debit d'une riviere presente generalement des episodes de crues intenses, au cours desquels le debit augmente rapidement, suivis par une diminution lente du debit lorsque la pluie s'arrete. Dans ce manuscrit, nous montrons que l'ecoulement souterrain dans un aquifere non confine permet de comprendre cette dynamique. Dans le cadre de l'approximation de Dupuit-Boussinesq (eau peu profonde), la vitesse de montee de crue ˙Q est une fonction non-lineaire du taux de precipitations R : ˙Q ∝ R 3/2. Apres la pluie, on distingue deux regimes asymptotiques de decrue. Au debut de la decrue, le debit decroit proportionnellement a l'inverse de la racine du temps ( Q ∝ 1/ √ t (Polubarinova-Kochina, 1962)). En fin de decrue, le debit decroit comme l'inverse du temps au carre (Q ∝ 1/t 2(Boussinesq, 1903)). L'etude d'un aquifere de laboratoire soumis a une pluie artificielle confirme l'existence de ces regimes asymptotiques. Ce dispositif experimental simplifie (aquifere homogene et bidimensionnel) genere des montees de crue realistes, en l'absence de ruissellement. L'instrumentation d'un site de terrain dans le bassin versant de la Ravine Quiock, sur l'ile de Basse-Terre en Guadeloupe, revele un comportement similaire. La surface de la nappe et le debit de la riviere evoluent simultanement pendant la pluie et se conforment aux predictions theoriques. Comme dans l'experience de laboratoire, cet aquifere reagit donc non-lineairement au forcage induit par les precipitations. L'analyse de donnees acquises dans trois autres bassins versants (Plynlimon, Pays de Galles, et Laval, France) confirme le caractere non-lineaire de la reponse d'un aquifere a la pluie : ˙Q ∝ Rn, avec n > 1. Cependant, l'exposant obtenu est different de 3/2. Une experience preliminaire en laboratoire suggere que cet ecart a la theorie de Dupuit-Boussinesq pourrait etre induit par l'ecoulement vertical dans l'aquifere.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".