Long-Term (1951–2007) Rainfall Trends around Six Indian Cities: Current State, Meteorological, and Urban Dynamics
Notice bibliographique
Résumé
The present study focuses on analyzing the precipitation trends over six Indian cities during the summer monsoon (June–September) covering the period 1951–2007 and also attempting to investigate possible urban forcing and dynamics by examining the variation in precipitation in the upwind and downwind directions. The analysis shows negative trends in the total number of rainy days over Hyderabad (−10.4%), Kanpur (−7.1%), Jaipur (−10.5%), and Nagpur (−4.8%) and positive trends over Delhi (7.4%) and Bangalore (22.9%). On the other hand, decreases of −21.3%, −5.9%, −14.2%, and −14.6% in seasonal rainfall are found over Delhi, Hyderabad, Jaipur, and Kanpur, respectively, whereas Bangalore and Nagpur show 65.8% and 13.5% increase. The lesser rainfall and rainy days, along with the mostly declining trend, in the downwind directions of the cities may imply an urban influence in precipitation associated with the increased anthropogenic emissions due to expansion of the urban areas and the increase of population. However, the large spatiotemporal variability of precipitation and the lack of statistical significance in the vast majority of the trends do not allow the extraction of safe conclusion concerning the aerosol-precipitation interactions around Indian cities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».