Trends in Extreme Precipitation Events in the Indus River Basin and Flooding in Pakistan
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the absence of a sufficiently dense network of climate stations covering all topographic regions of the Indus River basin and delivering high quality data over the last 30 years or more, daily precipitation data were obtained from the National Centers for Environmental Prediction-Department of the Enviornment (NCEP-DOE) Reanalysis 2 dataset for the period 1979 to 2011. The daily precipitation data were transformed into time series of frequency of extreme precipitation events of 1-day and 10-day durations defined in terms of 90th and 99th percentile threshold exceedances. The non-parametric Mann-Kendall trend test was applied to determine whether statistically significant changes in precipitation extremes occurred over time, in due consideration of autocorrelation in the data.Extreme precipitation showed a high spatial variability, with the highest daily and 10-day precipitation totals, and thus highest 90th and 99th percentiles, in the southeastern lowlands at the foot of the Himalayas and the lowest in the Karakorum. Significantly decreasing trends in extreme precipitation were observed in the western part of the Indus River basin; significantly increasing trends were mainly detected in the very high mountainous regions in the east (Transhimalaya and Himalayas) and in the north (Hindu Kush and Karakorum) of the Indus basin. High precipitation rates are not common in the arid climate of these high mountainous regions. Future flood management plans need to consider the increasing trends in extreme precipitation events in these areas.
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.
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 | 0,000 |
| 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 découle