MétaCan
Menu
Retour à la cohorte
Enregistrement W1998611108 · doi:10.4296/cwrj2011-923

Modeling the Potential Impacts of Climate Change on a Small Watershed in Labrador, Canada

2012· article· en· W1998611108 sur OpenAlexaffvenueabout
Jonas Roberts, Amy Pryse-Phillips, Ken Snelgrove

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésStreamflowEnvironmental scienceClimate changeWatershedPrecipitationSurface runoffEvapotranspirationWater balanceHydroelectricityClimate modelHydrology (agriculture)Drainage basinClimatologyMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Hydroelectric power producers are strongly dependent on the climate to deliver the fuel necessary to generate electricity. This fuel source is watershed runoff, which is manifested as the balance between components of the climate system, primarily precipitation and evapotranspiration. Climate change threatens to alter global hydrological regimes and impacts need to be assessed to determine production vulnerabilities and opportunities. In this paper, dynamically downscaled regional climate models from the North American Regional Climate Change Assessment Program (NARCCAP) are combined with statistical bias correction techniques to generate 30-year time series of temperature and precipitation for a base period (1980s) and a future period (2050s). These time series are transformed into streamflow using the WATFLOOD hydrological model that has been calibrated for a sub-basin of the Churchill River. Results are consistent with IPCC results and show increasing mean annual streamflow of approximately 9% between the base and future periods with larger increases in winter runoff and little or no change during late summer and fall. Inter-model comparison and probabilistic methods are used to provide further insight into simulation results.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,191
Écart entre enseignants0,175 · 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

Citations8
Publié2012
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