MétaCan
Menu
Retour à la cohorte
Enregistrement W1507632957 · doi:10.1080/07011784.2015.1043583

A global portrait of hydrological changes at the 2050 horizon for the province of Québec

2015· article· en· W1507632957 sur OpenAlexaffvenueabout
Catherine Guay, Marie Minville, Marco Braun

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensOuranosHydro-Québec
Organismes subventionnairesCenter for Neuroscience and Regenerative Medicine
Mots-clésStreamflowCoupled model intercomparison projectEnvironmental scienceSnowClimate changeClimatologyClimate modelHorizonHydrology (agriculture)Drainage basinGeographyMeteorologyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

This paper presents the methodology and results of a vast study on climate change impacts on hydrology for the province of Québec for the 2050 horizon. A climate ensemble was first built with simulations from the World Climate Research Programme (WCRP)'s Coupled Model Intercomparison Project phase 3 (CMIP3) multi-model dataset, the North American Regional Climate Change Assessment Program (NARCCAP) and the Canadian Regional Climate Model (CRCM) operational runs. Direct outputs and post-processed data from the climate simulations were used as input to the calibrated HSAMI hydrological model in order to produce a large ensemble of hydrological projections for 305 Québec watersheds. Simulations results indicate that increases in mean annual streamflow are projected for the whole province, with greater changes (up to 14%) in the north. The intra-annual distribution of streamflow also changes, with higher winter flows and lower summer flows as well as apparently earlier spring floods. The maximum height of the snow cover and the number of days with snow on the ground are likely to diminish for the 2050 horizon for the southern half of the province, while the northern half will see more snow, but a shorter snow season as well.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,019
Tête enseignante GPT0,209
Écart entre enseignants0,190 · 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

Citations44
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriquesMême sujetHydrology and Watershed Management StudiesTravaux en français237 207