Evaluation of Statistical-Downscaling/Bias-Correction Methods to Predict Hydrologic Responses to Climate Change in the Zarrine River Basin, Iran
Notice bibliographique
Résumé
Modeling the hydrologic responses to future changes of climate is important for improving adaptive water management. In the present application to the Zarrine River Basin (ZRB), with the major reach being the main inflow source of Lake Urmia (LU), firstly future daily temperatures and precipitation are predicted using two statistical downscaling methods: the classical statistical downscaling model (SDSM), augmented by a trend-preserving bias correction, and a two-step updated quantile mapping (QM) method. The general circulation models (GCM) input to SDSM are climate predictors of the Canadian Earth System Model (CanESM2) GCM under the representative concentration pathway (RCP) emission scenarios, RCP45 and RCP85, whereas that to the QM is provided by the most suitable of several Climate Model Intercomparison Project Phase 5 (CMIP5) GCMs under RCP60, in addition. The performances of the two downscaling methods are compared to each other for a past “future” period (2006–2016) and the QM is found to be better and so is selected in the subsequent ZR streamflow simulations by means of the Soil and Water Assessment Tool (SWAT) hydrological model, calibrated and validated for the reference period (1991–2012). The impacts of climate change on the hydrologic response of the river basin, specifically the inflow to the Boukan Reservoir, the reservoir-dependable water release (DWR), are then compared for the three RCPs in the near- (2020–2038), middle- (2050–2068) and far- (2080–2098) future periods assuming (1) the “current” consumptive demand to be continued in the future, and (2) a more conservative “recommended” demand. A systematic future shortage of the available water is obtained for case (1) which can be mitigated somewhat for (2). Finally, the SWAT-predicted ZRB outflow is compared with the Montana-based estimated environmental flow of the ZR. The latter can successfully be sustained at good and fair levels for the near- and middle-future periods, but not so for the summer months of the far-future period, particularly, for RCP85.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».