Climate change, glacier melting and streamflow in the Niyang River Basin, Southeast Tibet, China
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
Abstract There is a growing concern over the effects of climate change on glacier melting and hydrology. In this article, we used a natural large‐scale basin, the Niyang River Basin in the Southeast Qinghai–Tibet Plateau, China, to show how climate change accelerates glacier melting and consequently leads to hydrological change. First, nonparametric tests were used to analyse the trends of streamflow, precipitation and temperature since 1979. An artificial neural network was then adopted to construct precipitation‐streamflow models. Due to lack of data, 30 climate change scenarios were assumed to simulate streamflow sensitivity to climate change. There were significant increasing trends in streamflow over annual and wet season periods (May–October), whereas insignificant trend on annual precipitation was detected. This, along with a significant decreasing trend of water temperature during the wet season, suggests that climate warming has caused acceleration of glacier melting, which resulted in increased streamflow and summer water cooling. The simulation results indicated that streamflow is very sensitive to climate change, particularly with temperature change. Annual streamflow increased by an average of 65 mm per 0·5 °C temperature increment with precipitation unchanged. Streamflow in the wet season is more sensitive to climate change than in the dry season (November–April). Average streamflow increase per 0·5 °C increment in the wet season was projected to be 59·4 mm for the scenarios with precipitation unchanged. Implications of these results for future water and watershed management were discussed in the context of close linkages among climate change, glacier melting and water resources. Copyright © 2011 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.
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 | 0,000 |
| 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