MétaCan
Menu
Retour à la cohorte
Enregistrement W2804252342 · doi:10.5194/hess-2018-221

Assessing water supply capacity in a complex river basin under climate change using the logistic eco-engineering decision scaling framework

2018· article· en· W2804252342 sur OpenAlexfundno aff
Daeha Kim, Jong Ahn Chun, Si-Jung Choi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Environment and Parks
Mots-clésClimate changeEnvironmental scienceWater supplyStructural basinDrainage basinLogistic regressionEnvironmental resource managementWater resourcesStressorComputer scienceWater resource managementRisk analysis (engineering)EcologyBusinessEnvironmental engineeringGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Climate change is a global stressor that can undermine water management policies developed under the assumption of stationary climate, necessitating robust solutions to reducing the risk of system failures for uncertain future climates. While the response-surface-based assessments have provided convenience to explore responsive behaviours of expected system performance to climatic stresses, they were unable to predict the risk of system failures from individual climate projections. In this study, we proposed to use the logistic regressions for evaluating the probability of non-successive outcomes against pre-defined thresholds directly from climate projections, which may be more informative for decision making processes than the expected performances. As a case study, water supply and ecological reliabilities within a large river basin were assessed by combining the eco-engineering decision scaling framework and the logistic regressions. The impact assessment for the South Korean river basin showed that optimal water supply performance at the sub-basins were expected to be satisfactory for the upcoming 20 years of 2020–2039, while the human-demand-only operations could lower the ecological reliabilities. When considering ecological demands in water operations to reduce the ecological vulnerabilities, the stakeholders should accept increasing risks of unsatisfactory supply at the sub-basins with low demands. This study highlights that binary conversions of the performance metrics from the stress tests allow users to measure the risks of system failures varying across sub-components and standpoints with minimal computational costs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,126
Tête enseignante GPT0,282
Écart entre enseignants0,156 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater resources management and optimizationTravaux en français237 207