Effects of Irrigation in India on the Atmospheric Water Budget
Notice bibliographique
Résumé
Abstract The effect of large-scale irrigation in India on the moisture budget of the atmosphere was investigated using three regional climate models and one global climate model, all of which performed an irrigated run and a natural run without irrigation. Using a common irrigation map, year-round irrigation was represented by adding water to the soil moisture to keep it at 90% of the maximum soil moisture storage capacity, regardless of water availability. For two focus regions, the seasonal cycle of irrigation matched that of the reference dataset, but irrigation application varied between the models by up to 0.8 mm day−1. Because of the irrigation, evaporation increased in all models, but precipitation decreased because of a strong decrease in atmospheric moisture convergence. A moisture tracking scheme was used to track individual evaporated moisture parcels through the atmosphere to determine where these lead to precipitation. Up to 35% of the evaporation moisture from the Ganges basin is recycling within the river basin. However, because of a decreased moisture convergence into the river basin, the total amount of precipitation in the Ganges basin decreases. Although a significant fraction of the evaporation moisture recycles within the river basin, the changes in large-scale wind patterns due to irrigation shift the precipitation from the eastern parts of India and Nepal to the northern and western parts of India and Pakistan. In these areas where precipitation increases, the relative precipitation increase is larger than the relative decrease in the areas where precipitation decreases. It is concluded 1) that the direct effects of irrigation on precipitation are small and are not uniform across the models; 2) that a fraction of up to 35% of any marginal evaporation increase (for example, due to irrigation) will recycle within the river basin; and 3) that when irrigation is applied on a large scale, the dominant effect will be a change in large-scale atmospheric flow that decreases precipitation in eastern India and increases it in western and northern India.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».