Spatio-temporal analysis of rainfall trends in Chhattisgarh State, Central India over the last 115 years
Notice bibliographique
Résumé
Abstract A quantitative and qualitative understanding of the anticipated climate-change-driven multi-scale spatio-temporal shifts in precipitation and attendant river flows is crucial to the development of water resources management approaches capable of sustaining and even improving the ecological and socioeconomic viability of rain-fed agricultural regions. A set of homogeneity tests for change point detection, non-parametric trend tests, and the Sen’s slope estimator were applied to long-term gridded rainfall records of 27 newly formed districts in Chhattisgarh State, India. Illustrating the impacts of climate change, an analysis of spatial variability, multi-temporal (monthly, seasonal, annual) trends and inter-annual variations in rainfall over the last 115 years (1901–2015 mean 1360 mm·y −1 ) showed an overall decline in rainfall, with 1961 being a change point year (i.e., shift from rising to declining trend) for most districts in Chhattisgarh. Spatio-temporal variations in rainfall within the state of Chhattisgarh showed a coefficient of variation of 19.77%. Strong inter-annual and seasonal variability in regional rainfall were noted. These rainfall trend analyses may help predict future climate scenarios and thereby allow planning of effective and sustainable water resources management for the 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 | 0,001 | 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 | 0,000 | 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 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 ».