Quantifying the potential for reservoirs to secure future surface water yields in the world’s largest river basins
Notice bibliographique
Résumé
Surface water reservoirs provide us with reliable water supply, hydropower generation, flood control and recreation services. Yet, reservoirs also cause flow fragmentation in rivers and lead to flooding of upstream areas, thereby displacing existing land-use activities and ecosystems. Anticipated population growth and development coupled with climate change in many regions of the globe suggests a critical need to assess the potential for future reservoir capacity to help balance rising water demands with long-term water availability. Here, we assess the potential of large-scale reservoirs to provide reliable surface water yields while also considering environmental flows within 235 of the world’s largest river basins. Maps of existing cropland and habitat conservation zones are integrated with spatially-explicit population and urbanization projections from the Shared Socioeconomic Pathways (SSP) to identify regions unsuitable for increasing water supply by exploiting new reservoir storage. Results show that even when maximizing the global reservoir storage to its potential limit (~4.3-4.8 times the current capacity), firm yields would only increase by about 50% over current levels. However, there exist large disparities across different basins. The majority of river basins in North America are found to gain relatively little firm yield by increasing storage capacity, whereas basins in Southeast Asia display greater potential for expansion as well as proportional gains in firm yield under multiple uncertainties. Parts of Europe, the United States and South America show relatively low reliability of maintaining current firm yields under future climate change, whereas most of Asia and higher latitude regions display comparatively high reliability. Findings from this study highlight the importance of incorporating different factors, including human development, land-use activities, and climate change, over a time span of multiple decades and across a range of different scenarios when quantifying available surface water yields and the potential for reservoir expansion.
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 | 0,001 | 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 | 0,001 | 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 ».