MétaCan
Menu
Retour à la cohorte
Enregistrement W2992702471 · doi:10.3233/ajw-2013-10_4_12

Global Warming and Its Effect on Flow in Ganga River

2013· article· en· W2992702471 sur OpenAlexaff
Anand M. Sharan, Manabendra Pathak

Notice bibliographique

RevueAsian Journal of Water Environment and Pollution · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceFlow (mathematics)Water resource managementHydrology (agriculture)GeologyMathematicsGeotechnical engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

In this work, water flow in the Ganga River has been analyzed based on the available data starting  from the year 1850 to the average of years 2002 to 2006 at Farakka in West Bengal. The flow has been related  with rainfall data in the Ganga basin starting in the year 1980, and the average rainfall data in the years 2002 to  2006. The year 1980 has been chosen based on the fact that after this year the global warming trend has increased  (Adhikari and Huybrechts, 2009). The location at Farakka has been chosen to incorporate the contributions of  entire Himalayan glaciers in enhancing the flow of Ganga upstream of Farakka. This way, the results have been  presented to include the effects of glaciers melting at the source of Ganga and also the contributions of other rivers  which are tributaries of Ganga. The result shows that there is significant effect of global warming on melting of  Himalayan glaciers and the flow rate of Ganga.

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 enseignants0,322
Score d'incertitude au seuil0,575

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 Opus0,007
Tête enseignante GPT0,196
Écart entre enseignants0,189 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Water Environment and PollutionMême sujetClimate variability and modelsTravaux en français237 207