Assessment of climate change impact on rainfall for studying water availability in upper Mahanadi catchment, India
Notice bibliographique
Résumé
Abstract The paper deals with the projected rainfall for eight rain gauge stations located in the upper Mahanadi catchment in Chhattisgarh state of India and corresponding changes on the water availability in few reservoirs of the catchment. Rescaled predictors obtained from NCEP were used and statistically tested for selection of best-fit set of predictors using percentage reduction methods. The calibrated and validated models were used to generate multiple series for early, mid and late century periods, i.e. for 2020–2035 (FP-1), 2046–2064 (FP-2) and 2081–2099 (FP-3) under CMIP5 climatic forcing conditions of RCP2.6, RCP4.5 and RCP8.5 using predictors data of CanESM2, Canadian GCM. The comparisons of future predicted rainfall with the base period (1981–2003) showed mixed trends, viz. declining trend at five stations, both declining and increasing trend at two stations, and increasing trend at one station. The predicted reduced rainfall during August and September attribute to a significant impact on paddy cultivation and industrial development. The analysis of future catchment rainfall on five important reservoirs in this region indicated a reduction of 12–29% seasonal rainfall with respect to the base period rainfall; while for one reservoir not much variation (–7 to 5%) in the rainfall was noted, possibly due to the large catchment area.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».