MétaCan
Menu
Retour à la cohorte
Enregistrement W2159452932 · doi:10.1061/9780784412947.108

Climate Change Impacts on Design Storms and Urban Runoff Characteristics

2013· article· en· W2159452932 sur OpenAlexaffabout
Van‐Thanh‐Van Nguyen

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2013 · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDownscalingEnvironmental sciencePrecipitationWatershedStormClimatologyClimate changeSurface runoffExtreme value theoryGeneralized extreme value distributionMeteorologyGeographyComputer scienceStatisticsMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

The present study proposes a statistical downscaling approach to the assessment of the climate change impacts on the estimation of design storms and the resulting runoff characteristics for a given urban watershed. The proposed approach is based on a combination of a spatial downscaling method to link large-scale climate variables given by general circulation model (GCM) simulations with daily extreme precipitations at a site and a temporal downscaling procedure to describe the relationships between daily and sub-daily extreme precipitations based on the scaling general extreme value (GEV) distribution. The proposed method was tested using simulations from two GCMs under the A2 scenario (HadCM3A2 and CGCM2A2) and annual maximum (AM) precipitation data available at the Dorval Airport raingauge in Quebec (Canada). It was found that AM precipitations and design storm rainfall intensities downscaled from the HadCM3A2 displayed small decreasing trends in the future, while those values estimated from the CGCM2A2 indicated large increasing trends. Similar variations were found for the estimated runoff characteristics for several selected urban watersheds of different shapes, area sizes, and imperviousness levels. Results of this illustrative application have indicated the feasibility of the proposed downscaling method.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,017
Tête enseignante GPT0,194
Écart entre enseignants0,177 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2013Même sujetClimate variability and modelsTravaux en français237 207