Vulnerability of the Caspian Sea shoreline to changes in hydrology and climate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,000 |
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 découle