High‐resolution mapping of the world's reservoirs and dams for sustainable river‐flow management
Notice bibliographique
Résumé
Despite the recognized importance of reservoirs and dams, global datasets describing their characteristics and geographical distribution are largely incomplete. To enable advanced assessments of the role and effects of dams within the global river network and to support strategies for mitigating ecohydrological and socioeconomic costs, we introduce here the spatially explicit and hydrologically linked Global Reservoir and Dam database (GRanD). As of early 2011, GRanD contains information regarding 6862 dams and their associated reservoirs, with a total storage capacity of 6197 km 3 . On the basis of these records, we estimate that about 16.7 million reservoirs larger than 0.01 ha – with a combined storage capacity of approximately 8070 km 3 – may exist worldwide, increasing Earth's terrestrial surface water area by more than 305 000 km 2 . We find that 575 900 river kilometers, or 7.6% of the world's rivers with average flows above 1 cubic meter per second (m 3 s −1 ), are affected by a cumulative upstream reservoir capacity that exceeds 2% of their annual flow; the impact is highest for large rivers with average flows above 1000 m 3 s −1 , of which 46.7% are affected. Finally, a sensitivity analysis suggests that smaller reservoirs have substantial impacts on the spatial extent of flow alterations despite their minor role in total reservoir capacity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».