MétaCan
Menu
Retour à la cohorte
Enregistrement W2419005956 · doi:10.1038/srep19299

Impacts of a Rapidly Declining Mountain Snowpack on Streamflow Timing in Canada’s Fraser River Basin

2016· article· en· W2419005956 sur OpenAlexafffundabout
Do Hyuk Kang, Huilin Gao, Xiaogang Shi, Siraj Ul Islam, Stephen J. Déry

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Northern British ColumbiaPrinceton University
Mots-clésTributaryStreamflowSnowpackDrainage basinHydrology (agriculture)Environmental scienceSTREAMSPrecipitationWater yearSpring (device)Structural basinPredictabilitySnowGeographyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

With its headwaters in the water towers of the western Cordillera of North America, the Fraser River is one of the continent's mightiest rivers by annual flows, supplies vital freshwater resources to populous downstream locations, and sustains the world's largest stocks of sockeye salmon along with four other salmon species. Here we show the Variable Infiltration Capacity (VIC) model's ability to reproduce accurately observed trends in daily streamflow for the Fraser River's main stem and six of its major tributaries over 1949-2006 when air temperatures rose by 1.4 °C while annual precipitation amounts remained stable. Rapidly declining mountain snowpacks and earlier melt onsets result in a 10-day advance of the Fraser River's spring freshet with subsequent reductions in summer flows when up-river salmon migrations occur. Identification of the sub-basins driving the Fraser River's most significant changes provides a measure of seasonal predictability of future floods or droughts in a changing climate.

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 enseignants0,035
Score d'incertitude au seuil0,070

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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

Citations61
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetHydrology and Watershed Management StudiesTravaux en français237 207