Characterizing Hydrological Drought and Water Scarcity Changes in the Future: A Case Study in the Jinghe River Basin of China
Notice bibliographique
Résumé
The assessment of future climate changes on drought and water scarcity is extremely important for water resources management. A modeling system is developed to study the potential status of hydrological drought and water scarcity in the future, and this modeling system is applied to the Jinghe River Basin (JRB) of China. Driven by high-resolution climate projections from the Regional Climate Modeling System (RegCM), the Variable Infiltration Capacity model is employed to produce future streamflow projections (2020–2099) under two Representative Concentration Pathway (RCP) scenarios. The copula-based method is applied to identify the correlation between drought variables (i.e., duration and severity), and to further quantify their joint risks. Based on a variety of hypothetical water use scenarios in the future, the water scarcity conditions including extreme cases are estimated through the Water Exploitation Index Plus (WEI+) indicator. The results indicate that the joint risks of drought variables at different return periods would decrease. In detail, the severity of future drought events would become less serious under different RCP scenarios when compared with that in the historical period. However, considering the increase in water consumption in the future, the water scarcity in JRB may not be alleviated in the future, and thus drought assessment alone may underestimate the severity of future water shortage. The results obtained from the modeling system can help policy makers to develop reasonable future water-saving planning schemes, as well as drought mitigation measures.
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 | 0,001 | 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) | 0,000 | 0,000 |
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.
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 ».