MétaCan
Menu
Retour à la cohorte
Enregistrement W3122440410 · doi:10.20944/preprints202009.0621.v1

Change in Stream Flow of Gumara Watershed, Upper Blue Nile Basin, Ethiopia under Representative Concentration Pathway Climate Change Scenario

2020· preprint· en· W3122440410 sur OpenAlexaboutno aff
Gashaw Gismu Chakilu, Szegedi Sandor, Túri Zoltán

Notice bibliographique

RevuePreprints.org · 2020
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDownscalingClimate changeEnvironmental scienceWatershedRepresentative Concentration PathwaysTributaryStream flowSWAT modelHydrology (agriculture)Soil and Water Assessment ToolClimate change scenarioStructural basinDrainage basinClimate modelStreamflowClimatologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Climate change plays a pivotal role in the hydrology of tributaries in the upper Blue Nile basin. This study was designed to reveal the extent to which climate change impacts on stream flow of the Gumara watershed under the Representative Concentration Pathway (RCP) climate change scenario. The study considered the RCP 2.6, RCP 4.5 and RCP 8.5 scenarios using the second generation Canadian Earth System Model (CanESM2). The Statistical Downscaling Model (SDSM) was used for calibration and projection of future climatic data of the study area. Soil and Water Assessment Tool (SWAT) model was used for simulation of the future stream flow of the watershed. Result showed that the average temperature will be increasing by 0.84oC, 2.6oC and 4.1oC in the end of this century under RCP 2.6, RCP 4.5 and RCP 8.5 scenarios respectively. The change in monthly rainfall amount showed a fluctuating trend in all scenarios but the overall annual rainfall amount is projected to increase by 8.6%, 5.2% and 7.3% in RCP 2.6, RCP 4.5, and RCP 8.5 respectively. Overall, this study revealed that, due to climate change, the stream flow of the watershed is found to be increasing by 4.06%, 3.26%, and 3.67% under RCP 2.6, RCP 4.5 and RCP 8.5 scenarios respectively.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,120
Tête enseignante GPT0,324
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetHydrology and Watershed Management StudiesTravaux en français237 207