Intercomparison of regional-scale hydrological models and climate change impacts projected for 12 large river basins worldwide—a synthesis
Notice bibliographique
Résumé
An intercomparison of climate change impacts projected by nine regional-scale hydrological models for 12 large river basins on all continents was performed, and sources of uncertainty were quantified in the framework of the ISIMIP project. The models ECOMAG, HBV, HYMOD, HYPE, mHM, SWAT, SWIM, VIC and WaterGAP3 were applied in the following basins: Rhine and Tagus in Europe, Niger and Blue Nile in Africa, Ganges, Lena, Upper Yellow and Upper Yangtze in Asia, Upper Mississippi, MacKenzie and Upper Amazon in America, and Darling in Australia. The model calibration and validation was done using WATCH climate data for the period 1971–2000. The results, evaluated with 14 criteria, are mostly satisfactory, except for the low flow. Climate change impacts were analyzed using projections from five global climate models under four representative concentration pathways. Trends in the period 2070–2099 in relation to the reference period 1975–2004 were evaluated for three variables: the long-term mean annual flow and high and low flow percentiles Q 10 and Q 90 , as well as for flows in three months high- and low-flow periods denoted as HF and LF. For three river basins: the Lena, MacKenzie and Tagus strong trends in all five variables were found (except for Q 10 in the MacKenzie); trends with moderate certainty for three to five variables were confirmed for the Rhine, Ganges and Upper Mississippi; and increases in HF and LF were found for the Upper Amazon, Upper Yangtze and Upper Yellow. The analysis of projected streamflow seasonality demonstrated increasing streamflow volumes during the high-flow period in four basins influenced by monsoonal precipitation (Ganges, Upper Amazon, Upper Yangtze and Upper Yellow), an amplification of the snowmelt flood peaks in the Lena and MacKenzie, and a substantial decrease of discharge in the Tagus (all months). The overall average fractions of uncertainty for the annual mean flow projections in the multi-model ensemble applied for all basins were 57% for GCMs, 27% for RCPs, and 16% for hydrological models.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».