Climate Change Impact on Flow Discharge of Kunhar River Catchment using Snowmelt Runoff Model
Notice bibliographique
Résumé
Most of the runoff in Kunhar Catchment is generated from the snowmelt which makes it more sensitive to climate change. The Snowmelt-Runoff Model (SRM), a simple degree-day model, has been applied around the world under different climatic regions to evaluate the hydrological effects of climate change.The current study encompasses the use of Snowmelt-Runoff Model (SRM) to forecast stream flows in Kunhar river catchment depicting three varying climate change scenarios i.e. a) an increase in +2°C temperature b) an increase in +2°C temperature along with 20% increase in precipitation, and c) a 20% increase in precipitation. The study area was distributed with respect to varying altitude with 500 m elevation interval. Moderate resolution Imaging Satellite (MODIS) daily snow product MOD10A1 is used to map snow cover. SRM model was simulated and later climate change run was evaluated. SRM Model was calibrated for 2003 – 2004 and validated for 2005 – 2006 with an average coefficient of 0.93 R2 and average seasonal volume difference Dv of 1.46%. The stimulated results for scenario “b” show an increase of flow discharge by 27%. Whereas, there was 21% and 6% increment in discharge simulated for scenarios “a” and “c” respectively.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».