Assessment of impact of climate change on water resources: a long term analysis of the Great Lakes of North America
Notice bibliographique
Résumé
Abstract. In the threshold of the appearance of global warming from theory to reality, extensive research has focused on predicting the impact of potential climate change on water resources using results from Global Circulation Models (GCMs). This research carries this further by statistical analyses of long term meteorological and hydrological data. Seventy years of historical trends in precipitation, temperature, and streamflows in the Great Lakes of North America are developed using long term regression analyses and Mann-Kendall statistics. The results generated by the two statistical procedures are in agreement and demonstrate that many of these variables are experiencing statistically significant increases over a seven-decade period. The trend lines of streamflows in the three rivers of St. Clair, Niagara and St. Lawrence, and precipitation levels over four of the five Great Lakes, show statistically significant increases in flows and precipitation. Further, precipitation rates as predicted using fitted regression lines are compared with scenarios from GCMs and demonstrate similar forecast predictions for Lake Superior. Trend projections from historical data are higher than GCM predictions for Lakes Michigan/Huron. Significant variability in predictions, as developed from alternative GCMs, is noted. Given the general agreement as derived from very different procedures, predictions extrapolated from historical trends and from GCMs, there is evidence that hydrologic changes particularly for the precipitation in the Great Lakes Basin may be demonstrating influences arising from global warming and 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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».