MétaCan
Menu
Retour à la cohorte
Enregistrement W2810278799 · doi:10.3390/w10070877

A New Assessment of Hydrological Change in the Source Region of the Yellow River

2018· article· en· W2810278799 sur OpenAlexaff
Pan Wu, Sihai Liang, Xu‐Sheng Wang, Yuqing Feng, Jeffrey M. McKenzie

Notice bibliographique

RevueWater · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensMcGill University
Organismes subventionnairesChina Geological SurveyNational Natural Science Foundation of China
Mots-clésClimate changePermafrostEnvironmental scienceDrainage basinHydrology (agriculture)DischargeSeparation (statistics)Global warmingClimatologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Hydrological responses to climate change are a widely concerning question, particularly for the source region of the Yellow River (SRYR), which is sensitive to climate change and is widely underlain by frozen ground. In considering climate change impacts on catchment properties, the traditional separation approach based on the Budyko framework was modified to identify and quantify the climatic causes of discharge changes. On the basis of the decomposition method, the traditional separation method and the modified separation method were used to analyse the discharge change in the SRYR. Using the observed annual maximum frozen depth (MFD) to indicate the frozen ground level, the impacts of frozen-ground degradation on the discharge change were further considered using the modified separation method. Our results show that the traditional separation approach underestimated climate-induced discharge change; over the past half-century, the discharge change in the SRYR has been primarily controlled by climate change. Increasing air temperature is generally a negative force on discharge generation; however, it also causes frozen ground to degrade—a positive factor for discharge generation. Such conflicting effects enhance the uncertainty in assessments of hydrological responses to climate change in the sub-basins with widely distributed permafrost.

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 enseignants0,029
Score d'incertitude au seuil0,850

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)0,0010,000

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 Opus0,051
Tête enseignante GPT0,248
Écart entre enseignants0,197 · 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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetCryospheric studies and observationsTravaux en français237 207