Observed trends and changes in daily temperature and precipitation extremes over the Koshi river basin 1975–2010
Notice bibliographique
Résumé
ABSTRACT The Koshi river basin is a sub‐basin of the Ganges shared among China, Nepal, and India. The river system has a high potential for investment in hydropower development and for irrigation in downstream areas. The upper part of the basin contains a substantial reserve of freshwater in the form of snow and glaciers. Climate variability, climate change, and climate extremes might impact on these reserves, and in turn impact on systems that support livelihoods, such as agriculture, biodiversity and related ecosystem services. Climatological variability and trends over the Koshi river basin were studied using RClimDex. Daily temperature data (20 stations) and precipitation data (50 stations) from 1975 to 2010 were used in the analysis. The results show that the frequency and intensity of weather extremes are increasing. The daily maximum temperature (TXx) increased by 0.1 °C decade−1 on average between 1975 and 2010 and the minimum (TNn) by 0.3 °C decade−1. The number of warm nights increased at all stations. Most of the extreme temperature indices showed a consistently different pattern in the mountains than in the Indo‐Gangetic plains, although not all results were statistically significant. The warm days (TX90p), warm nights (TN90p), warm spell duration (WSDI), and diurnal temperature range (DTR) increased at most of the mountain stations; whereas monthly maximum and minimum values of daily maximum temperature, TX90p, cool nights (TN10p), WSDI, cold spell duration indicator (CSDI), DTR decreased at the stations in the Indo‐Gangetic plains, while the number of cold days increased. There was an increase in total annual rainfall and rainfall intensity, although no clear long‐term linear trend, whereas the number of consecutive dry days increased at almost all stations. The results indicate that the risk of extreme climate events over the basin is increasing, which will increase people's vulnerability and has strong policy implications.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».