MétaCan
Menu
Retour à la cohorte
Enregistrement W3000785695 · doi:10.2166/wp.2020.034

Hydrological assessment for the availability of water for off-stream uses of Karatoa-Atrai River in Bangladesh

2020· article· en· W3000785695 sur OpenAlexaff
Sara Nowreen, Preetha Haque, M. Shahjahan Mondal, Rashed Uz Zzaman

Notice bibliographique

RevueWater Policy · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesInternational Foundation for Science
Mots-clésEnvironmental scienceHydrology (agriculture)Stream flowWater resource managementStreamflowIrrigationCurrent (fluid)Stage (stratigraphy)Dry seasonEnvironmental flowEnvironmental resource managementDrainage basinGeographyEngineeringGeologyClimatology

Résumé

récupéré en direct d'OpenAlex

Abstract Explicit consideration of in-stream flow requirement (IFR) has now become almost mandatory in many rivers before irrigation withdrawal is made. Thereby, the primary objective was to evaluate the IFR through hydrological approaches and compare the condition with current flow variability and trends. Flow records were collected from five discharge stations for IFR estimation. Performance of the river was also judged with respect to nine hydraulic cross-sectional data and stage data of ten water-level monitoring stations of Bangladesh Water Development Board (BWDB). Results show that since 2000, the upper Karatoa was able to meet IFR, but the lowest part of the river experienced severe deterioration in addressing its dry season functionality. Also, the decreasing trend in off-stream availability is recognized as a threat to the Singra site resulting from severe aggradations of the river beds. Attention to the less off-stream availability at Singra raises concerns over sustaining the river from drying out. It is now evident that a hydrological approach of IFR is more than just an initial rough estimate. Such a precautionary method works well to provide quick technical support and decision reference for a complex system, in particular, to find specific drying out parts of a river of concern.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,027
Tête enseignante GPT0,276
Écart entre enseignants0,249 · 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'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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater PolicyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207