MétaCan
Menu
Retour à la cohorte
Enregistrement W3120986546 · doi:10.3390/w13020175

Comparative Analysis of Climate Change Impacts on Meteorological, Hydrological, and Agricultural Droughts in the Lake Titicaca Basin

2021· article· en· W3120986546 sur OpenAlexfundno aff
Ricardo Zubieta, Jorge Molina‐Carpio, Wilber Laqui, Juan Sulca, Mercy Ilbay-Yupa

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésEvapotranspirationEnvironmental sciencePrecipitationCoupled model intercomparison projectClimate changeClimatologyDrainage basinStructural basinClimate modelWater cycleAgricultureSurface runoffHydrology (agriculture)GeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

The impact of climate change on droughts in the Lake Titicaca, Desaguadero River, and Lake Poopo basins (TDPS system) within the Altiplano region was evaluated by comparing projected 2034–2064 and observed 1984–2014 hydroclimate time series. The study used bias-corrected monthly climate projections from the fifth phase of the Coupled Model Intercomparison Project (CMIP5), under the Representative Concentration Pathway 8.5 (RCP8.5) emission scenarios. Meteorological, agricultural, and hydrological droughts were analyzed from the standardized precipitation, standardized soil moisture, and standardized runoff indices, respectively, the latter two estimated from a hydrological model. Under scenarios of mean temperature increases up to 3 °C and spatially diverse precipitation changes, our results indicate that meteorological, agricultural, and hydrological droughts will become more intense, frequent, and prolonged in most of the TDPS. A significant increase in the frequency of short-term agricultural and hydrological droughts (duration of 1–2 months) is also projected. The expected decline in annual rainfall and the larger evapotranspiration increase in the southern TDPS combine to yield larger projected rises in the frequency and intensity of agricultural and hydrological droughts in this region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,068
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,264
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

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

Citations54
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Drought AnalysisTravaux en français237 207