MétaCan
Menu
Retour à la cohorte
Enregistrement W2800163338 · doi:10.3390/cli6020030

Evaluation of Statistical-Downscaling/Bias-Correction Methods to Predict Hydrologic Responses to Climate Change in the Zarrine River Basin, Iran

2018· article· en· W2800163338 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueClimate · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDownscalingEnvironmental scienceRepresentative Concentration PathwaysCoupled model intercomparison projectClimate changePrecipitationStreamflowClimatologyInflowSWAT modelMeltwaterHydrological modellingClimate modelHydrology (agriculture)Water cycleSoil and Water Assessment ToolDrainage basinStructural basinMeteorologySnowGeologyGeography

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,403
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle