Future changes in hydro-climatic extremes in the Upper Indus, Ganges, and Brahmaputra River basins
Notice bibliographique
Résumé
Future hydrological extremes, such as floods and droughts, may pose serious threats for the livelihoods in the upstream domains of the Indus, Ganges, Brahmaputra. For this reason, the impacts of climate change on future hydrological extremes is investigated in these river basins. We use a fully-distributed cryospheric-hydrological model to simulate current and future hydrological fluxes and force the model with an ensemble of 8 downscaled General Circulation Models (GCMs) that are selected from the RCP4.5 and RCP8.5 scenarios. The model is calibrated on observed daily discharge and geodetic mass balances. The climate forcing and the outputs of the hydrological model are used to evaluate future changes in climatic extremes, and hydrological extremes by focusing on high and low flows. The outcomes show an increase in the magnitude of climatic means and extremes towards the end of the 21st century where climatic extremes tend to increase stronger than climatic means. Future mean discharge and high flow conditions will very likely increase. These increases might mainly be the result of increasing precipitation extremes. To some extent temperature extremes might also contribute to increasing discharge extremes, although this is highly dependent on magnitude of change in temperature extremes. Low flow conditions may occur less frequently, although the uncertainties in low flow projections can be high. The results of this study may contribute to improved understanding on the implications of climate change for the occurrence of future hydrological extremes in the Hindu Kush-Himalayan region.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».