MétaCan
Menu
Retour à la cohorte
Enregistrement W3116502821 · doi:10.3390/w13010064

Assessing Reservoir Performance under Climate Change. When Is It Going to Be Too Late If Current Water Management Is Not Changed?

2020· article· en· W3116502821 sur OpenAlexfundno aff
Cristián Chadwick, Jorge Gironás, Pilar Barría, Sebastián Vicuña, Francisco Meza

Notice bibliographique

RevueWater · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesFondo Nacional de Ciencia y TecnologíaInternational Development Research Centre
Mots-clésObsolescenceClimate changeReliability (semiconductor)Resilience (materials science)Computer scienceVulnerability (computing)Identification (biology)Risk analysis (engineering)Reliability engineeringEnvironmental scienceUncertainty quantificationDownscalingCurrent (fluid)Environmental resource managementEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Climate change is modifying the way we design and operate water infrastructure, including reservoirs. A particular issue is that current infrastructure and reservoir management rules will likely operate under changing conditions different to those used in their design. Thus, there is a big need to identify the obsolescence of current operation rules under climate change, without compromising the proper treatment of uncertainty. Acknowledging that decision making benefits from the scientific knowledge, mainly when presented in a simple and easy-to-understand manner, such identification—and the corresponding uncertainty—must be clearly described and communicated. This paper presents a methodology to identify, in a simple and useful way, the time when current reservoir operation rules fail under changing climate by properly treating and presenting its aleatory and epistemic uncertainties and showing its deep uncertainty. For this purpose, we use a reliability–resilience–vulnerability framework with a General Circulation Models (GCM) ensemble under the four Representative Concentration Pathways (RCP) scenarios to compare the historical and future long-term reservoir system performances under its current operation rule in the Limarí basin, Chile, as a case study. The results include percentiles that define the uncertainty range, showing that during the 21st century there are significant changes at the time-based reliability by the 2030s, resilience between the 2030s and 2040s, volume-based reliability by the 2080s, and the maximum failure by the 2070s. Overall, this approach allows the identification of the timing of systematic failures in the performance of water systems given a certain performance threshold, which contributes to the planning, prioritization and implementation timing of adaptation alternatives.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,091
Tête enseignante GPT0,266
Écart entre enseignants0,175 · 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'étudeSimulation ou modélisation
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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetWater resources management and optimizationTravaux en français237 207