Analyses of the impact of climate change on water resources components, drought and wheat yield in semiarid regions: Karkheh River Basin in Iran
Notice bibliographique
Résumé
Abstract Water resources availability in the semiarid regions of Iran has experienced severe reduction because of increasing water use and lengthening of dry periods. To better manage this resource, we investigated the impact of climate change on water resources and wheat yield in the Karkheh River Basin (KRB) in the semiarid region of Iran. Future climate scenarios for 2020–2040 were generated from the Canadian Global Coupled Model for scenarios A1B, B1 and A2. We constructed a hydrological model of KRB using the Soil and Water Assessment Tool to project water resources availability. Blue and green water components were modeled with uncertainty ranges for both historic and future data. The Sequential Uncertainty Fitting Version 2 was used with parallel processing option to calibrate the model based on river discharge and wheat yield. Furthermore, a newly developed program called critical continuous day calculator was used to determine the frequency and length of critical periods for precipitation, maximum temperature and soil moisture. We found that in the northern part of KRB, freshwater availability will increase from 1716 to 2670 m 3 /capita/year despite an increase of 28% in the population in 2025 in the B1 scenario. In the southern part, where much of the agricultural lands are located, the freshwater availability will on the average decrease by 44%. The long‐term average irrigated wheat yield, however, will increase in the south by 1.2%–21% in different subbasins; but for rain‐fed wheat, this variation is from −4% to 38%. The results of critical continuous day calculator showed an increase of up to 25% in both frequency and length of dry periods in south Karkheh, whereas increasing flood events could be expected in the northern and western parts of the region. In general, there is variability in the impact of climate change in the region where some areas will experience net negative whereas other areas will experience a net positive impact. Copyright © 2013 John Wiley & Sons, Ltd.
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 | 0,001 |
| 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 ».