MétaCan
Menu
Retour à la cohorte
Enregistrement W2141389112 · doi:10.1098/rstb.2007.2197

Streamflow hydrology in the boreal region under the influences of climate and human interference

2007· article· en· W2141389112 sur OpenAlexaffabout
Ming‐ko Woo, Robin Thorne, Kit K. Szeto, Daqing Yang

Notice bibliographique

RevuePhilosophical Transactions of the Royal Society B Biological Sciences · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStreamflowEnvironmental scienceClimate changeBorealSubarctic climateClimatologyGlobal warmingDrainage basinHydrology (agriculture)EcologyGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

The boreal region has a subarctic climate that is subject to considerable inter-annual variability and is prone to impacts of future warming. Climate influences the seasonal streamflow regime which typically exhibits winter low flow, terminated by spring freshet, followed by summer flow recession. The effects of climatic variation on streamflow cannot be isolated with confidence but the impact of human regulation of rivers can greatly alter the natural flow rhythm, changing the timing of flow to suit human demands. The effect of scenario climate change on streamflow is explored through hydrological simulation. Example of a Canadian basin under warming scenario suggests that winter flow will increase, spring freshet dates will advance but peak flow will decline, as will summer flow due to enhanced evaporation. While this simulation was site specific, the results are qualitatively applicable to other boreal areas. Future studies should consider the role of human activities as their impacts on streamflow will be more profound than those due to climate change.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,653

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,064
Tête enseignante GPT0,275
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations118
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhilosophical Transactions of the Royal Society B Biological SciencesMême sujetCryospheric studies and observationsTravaux en français237 207