MétaCan
Menu
Retour à la cohorte
Enregistrement W2584824570

Modelling Climate Impacts on Hydrologic Processes in the Lake Winnipeg Watershed

2010· article· en· W2584824570 sur OpenAlexaboutno aff
Rajesh R. Shrestha, Yonas Dibike, Terry D. Prowse

Notice bibliographique

RevueScholarsArchive (Brigham Young University) · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedEnvironmental scienceHydrology (agriculture)Water resource managementGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents results of spatial and temporal analyses of hydro-climatic regimes and simulation of climate-induced hydrologic changes in the Lake Winnipeg watershed. The hydrologic and agricultural chemical yield model, Soil and Water Assessment Tool (SWAT), was employed for the simulation of hydrologic scenarios in the Upper Assiniboine catchment of the Lake Winnipeg watershed, Canada. Analyses of future climate projections from three regional climate models (RCMs) corresponding to the SRES's A2 emission scenario, indicate that the total annual precipitation will increase by 5.5-7.5 % in 2041-2070 compared to 1971-2000, while temperature will increase by 2.0- 2.9° C during the same period. Hydrologic scenarios simulated with the SWAT model project consistent changes in future snowmelt driven runoff, with an earlier onset of spring snowmelt and discharge peaks. Some of the results also show increases in discharge peaks. These changes can be expected to have implications on water availability and nutrient transport regime in the Lake Winnipeg watershed.

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 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 enseignants0,397
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,191
Écart entre enseignants0,181 · 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 tête enseignante, 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarsArchive (Brigham Young University)Même sujetSoil and Water Nutrient DynamicsTravaux en français237 207