MétaCan
Menu
Retour à la cohorte
Enregistrement W2937310383 · doi:10.3390/w11040761

Simulating Current and Future River-Flows in the Karakoram and Himalayan Regions of Pakistan Using Snowmelt-Runoff Model and RCP Scenarios

2019· article· en· W2937310383 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWater · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSnowmeltTributaryStructural basinEnvironmental scienceSurface runoffSnowModerate-resolution imaging spectroradiometerCurrent (fluid)Hydrology (agriculture)Drainage basinGeologySatelliteGeomorphology

Résumé

récupéré en direct d'OpenAlex

Upper Indus Basin (UIB) supplies more than 70% flow to the downstream agricultural areas during summer due to the melting of snow and glacial ice. The estimation of the stream flow under future climatic projections is a pre-requisite to manage water resources properly. This study focused on the simulation of snowmelt-runoff using Snowmelt-Runoff Model (SRM) under the current and future Representative Concentration Pathways (RCP 2.6, 4.5 and 8.5) climate scenarios in the two main tributaries of the UIB namely the Astore and the Hunza River basins. Remote sensing data from Advanced Land Observation Satellite (ALOS) and Moderate Resolution Imaging Spectroradiometer (MODIS) along with in-situ hydro-climatic data was used as input to the SRM. Basin-wide and zone-wise approaches were used in the SRM. For the zone-wise approach, basin areas were sliced into five elevation zones and the mean temperature for the zones with no weather stations was estimated using a lapse rate value of −0.48 °C to −0.76 °C/100 m in both studied basins. Zonal snow cover was estimated for each zone by reclassifying the MODIS snow maps according to the zonal boundaries. SRM was calibrated over 2000–2001 and validated over the 2002–2004 data period. The results implied that the SRM simulated the river flow efficiently with Nash-Sutcliffe model efficiency coefficient of 0.90 (0.86) and 0.86 (0.86) for the basin-wide (zone-wise) approach in the Astore and Hunza River Basins, respectively, over the entire simulation period. Mean annual discharge was projected to increase by 11–58% and 14–90% in the Astore and Hunza River Basins, respectively, under all the RCP mid- and late-21st-century scenarios. Mean summer discharge was projected to increase between 10–60% under all the RCP scenarios of mid- and late-21st century in the Astore and Hunza basins. This study suggests that the water resources of Pakistan should be managed properly to lessen the damage to human lives, agriculture, and economy posed by expected future floods as indicated by the climatic projections.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,179

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 Opus0,026
Tête enseignante GPT0,251
Écart entre enseignants0,225 · 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