MétaCan
Menu
Retour à la cohorte
Enregistrement W3118764306 · doi:10.5194/egusphere-egu2020-11448

Climate change or irrigated agriculture – what drives the water level decline of Lake Urmia?

2020· article· en· W3118764306 sur OpenAlexaff
Stephan Schulz, Sahand Darehshouri, Elmira Hassanzadeh, Christoph Schüth

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransboundary Water Resource Management
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésInflowEnvironmental sciencePrecipitationWater balanceClimate changeAgricultureStreamflowEcosystemHydrology (agriculture)Water levelSurface waterWater cycleGeographyEcologyDrainage basinMeteorologyEnvironmental engineeringBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Lake Urmia is one of the largest hypersaline lakes on earth with a unique biodiversity. Over the past two decades the lake water level declined dramatically, threatening the functionality of the lake’s ecosystems. There is a controversial debate about the reasons for this decline, with either mismanagement of the water resources, or climatic changes assumed to be the main cause. During this study we gathered an extensive hydro-meteorological data set, information about the reservoirs and the lake bathymetry. This data served for a quantification of the water budget components of Lake Urmia over the last five decades. Interestingly, a comparison of the temporal patterns of the principal natural boundary conditions of streamflow (precipitation and evaporation) with the inflow to the lake revealed that the variability of the inflow can be well explained its natural drivers. With this we can show that variations of Lake Urmia’s water level during the analyzed period were mainly triggered by climatic changes. However, under the current climatic conditions agricultural water extraction volumes are significant and often exceed the remaining surface water inflow volumes. This rather simple observation shows that something deeper needs to be dug here. Therefore, we performed a parsimonious hindcast experiment and run a set of development scenarios based on the previously developed water balance. This helped us to better quantify the human impact on the development of the water volume of Lake Urmia. We could show that changes in agricultural water withdrawal would have a significant impact on the lake volume and could either stabilize the lake, or lead to its complete collapse (Schulz et al., 2020). References Schulz, S., Darehshouri, S., Hassanzadeh, E., Tajrishy, M. and Schüth, C.: Climate change or irrigated agriculture – what drives the water level decline of Lake Urmia, Sci. Rep., 10(1), 236, doi:10.1038/s41598-019-57150-y, 2020.

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 enseignants0,023
Score d'incertitude au seuil0,046

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,128
Tête enseignante GPT0,308
Écart entre enseignants0,180 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTransboundary Water Resource ManagementTravaux en français237 207