High-Resolution, Integrated Hydrological Modeling of Climate Change Impacts on a Semi-Arid Urban Watershed in Niamey, Niger
Notice bibliographique
Résumé
This study evaluates the impact of climate change on water resources in a large, semi-arid urban watershed located in the Niamey Republic of Niger, West Africa. The watershed was modeled using the fully integrated surface–subsurface HydroGeoSphere model at a high spatial resolution. Historical (1980–2005) and projected (2020–2050) climate scenarios, derived from the outputs of three regional climate models (RCMs) under the regional climate projection (RCP) 4.5 scenario, were statistically downscaled using the multiscale quantile mapping bias correction method. Results show that the bias correction method is optimum at daily and monthly scales, and increased RCM resolution does not improve the performance of the model. The three RCMs predicted increases of up to 1.6% in annual rainfall and of 1.58 °C for mean annual temperatures between the historical and projected periods. The durations of the minimum environmental flow (MEF) conditions, required to supply drinking and agricultural water, were found to be sensitive to changes in runoff resulting from climate change. MEF occurrences and durations are likely to be greater from 2020–2030, and then they will be reduced for the 2030–2050 statistical periods. All three RCMs consistently project a rise in groundwater table of more than 10 m in topographically high zones, where the groundwater table is deep, and an increase of 2 m in the shallow groundwater table.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».