MétaCan
Menu
Retour à la cohorte
Enregistrement W2529474610 · doi:10.1186/s40064-016-3429-1

Hydrological impacts of precipitation extremes in the Huaihe River Basin, China

2016· article· en· W2529474610 sur OpenAlexaff
Mangen Yang, Chen Xing, Chad Shouquan Cheng

Notice bibliographique

RevueSpringerPlus · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésPrecipitationStreamflowEnvironmental scienceFlooding (psychology)Drainage basinClimatologyStructural basinFlood mythWet seasonDry seasonHydrology (agriculture)GeographyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Precipitation extremes play a key role in flooding risks over the Huaihe River Basin, which is important to understand their hydrological impacts. Based on observed daily precipitation and streamflow data from 1958 to 2009, eight precipitation indices and three streamflow indices were calculated for the study of hydrological impacts of precipitation extremes. The results indicate that the wet condition intensified in the summer wet season and the drought condition was getting worse in the autumn dry season in the later years of the past 50 years. The river basin had experienced higher heavy rainfall-related flooding risks in summer and more severe drought in autumn in the later of the period. The extreme precipitation events or consecutive heavy rain day events led to the substantial increases in streamflow extremes, which are the main causes of frequent floods in the Huaihe River Basin. The large inter-annual variation of precipitation anomalies in the upper and central Huaihe River Basin are the major contributor for the regional frequent floods and droughts.

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)0,000
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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

Citations32
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpringerPlusMême sujetHydrology and Watershed Management StudiesTravaux en français237 207