MétaCan
Menu
Retour à la cohorte
Enregistrement W3046508665 · doi:10.1088/1748-9326/abaad8

Vulnerability of the Caspian Sea shoreline to changes in hydrology and climate

2020· article· en· W3046508665 sur OpenAlexaff
Mahdi Akbari, Aziza Baubekova, Amin Roozbahani, Аброр Гафуров, A. I. Shiklomanov, Kabir Rasouli, Natalya Ivkina, Bjørn Kløve, Ali Torabi Haghighi

Notice bibliographique

RevueEnvironmental Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesTutkijakoulu, Oulun Yliopiston
Mots-clésShorePrecipitationEnvironmental scienceClimate changeSea levelHydrology (agriculture)Physical geographyDead seaOceanographyClimatologyGeographyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

During the past three decades, sea water level (SWL) in the Caspian Sea has declined by about 2 m and sea area has decreased by about 15 000 km 2 . This has affected coastal communities, the environment and economically important gulfs of the sea (e.g. Dead Kultuk). To assess the effects of coastline change and evaluate zones vulnerable to desiccation, we simulated SWL using total inflow from feeder rivers and precipitation and evaporation over the sea. We determined potential vulnerable areas of the sea over the past 80 years by comparing the minimum and maximum annual water body maps (for 1977 and 1995). We then determined the linear regression between SWL rise and covered potential vulnerable area (CVA), using annual Normalised Difference Water Index (NDWI) maps and SWL data from 1977 to 2018. Combining SWL-CVA regression and SWL simulation model enabled us to determine desiccated areas in different regions of the Caspian Sea due to changes in precipitation, evaporation and total inflow. The results showed that 25 000 km 2 of the sea is potentially vulnerable to SWL fluctuations in terms of desiccation, with 70% of this vulnerable area located in Kazakhstan. Potential vulnerable area per kilometre coastline was found to be 6 km 2 in Kazakhstan, 4 km 2 in Russia and whole of Caspian Sea, 1.5 km 2 in Iran, 1 km 2 in Azerbaijan and 0.5 km 2 in Turkmenistan. The results also indicated that SWL in the Caspian Sea is sensitive to evaporation and that e.g. a 37.5 mm decrease in mean annual net precipitation would lead to a 1875 km 2 decrease in the sea area, while a 1 km 3 decrease in mean annual inflow would lead to a 1400 km 2 decrease in the sea area. Thus the developed framework enabled the spatial consequences of changes in water balance parameters on sea area to be quantified. It can be used to assess future changes in SWL and sea area due to anthropogenic activities and climate change.

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 enseignants0,093
Score d'incertitude au seuil0,185

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
Bibliométrie0,0000,001
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 Opus0,037
Tête enseignante GPT0,259
Écart entre enseignants0,222 · 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

Citations48
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetMarine and environmental studiesTravaux en français237 207