MétaCan
Menu
Retour à la cohorte
Enregistrement W2800684852 · doi:10.1002/joc.5537

High‐resolution projections of evapotranspiration and water availability for Europe under climate change

2018· article· en· W2800684852 sur OpenAlexaff
Ştefan Dezsi, Marcel Mîndrescu, Dănuţ Petrea, Praveen Kumar, Andreas Hamann, Mărgărit‐Mircea Nistor

Notice bibliographique

RevueInternational Journal of Climatology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationEnvironmental scienceWater balancePrecipitationSurface runoffClimate changeGroundwater rechargeClimatologyWater resourcesCoupled model intercomparison projectAridity indexClimate modelGroundwaterGeographyMeteorologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Evapotranspiration plays an essential role in estimating water balance, runoff and effective precipitation. To determine historical and projected water availability for Europe, we contribute high‐resolution (1 km) estimates of monthly and annual potential evapotranspiration (ET0) and actual evapotranspiration (AET0). In the ET0 calculation, the monthly and annual heat index I and annual α parameter were estimated following the Thornthwaite method, and AET0 was calculated using the Budyko approach. The variables were estimated for a climate normal period that largely precedes an anthropogenic warming signal (1961–1990), and for two CMIP5 multi‐model future projections (2011–2040 and 2041–2070). We project widespread and relatively uniform ET0 increases of around 50–100 mm by the 2020s and 75–125 mm by the 2050s for most of Europe. These values imply important changes that may affect runoff and groundwater recharge. AET0 was identified as important driver of water availability with more regional variability. Spatial mapping of changes relative to the normal baseline imply that all except northern parts of Europe are vulnerable to water deficits, with pronounced decrease expected in southern Europe. We provide high‐resolution maps and data as an important tool for future natural resources management and climate change mitigation planning.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,095
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,289
Écart entre enseignants0,257 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207