Assessing climate change impacts on streamflow and sediment load in the upstream of the <scp>Mekong River</scp> basin
Notice bibliographique
Résumé
Abstract Assessments of climate change impacts on streamflow and sediment processes are essential for developing science‐based sustainable watershed management plans. We assessed climate change impacts on streamflow and sediment load in the upstream of the Mekong River Basin, as a case study. Future climate scenarios including an ensemble‐mean climate scenario (EnM scenario) were generated based on 20 GCMs in CMIP5, using a stochastic weather generator (LARS‐WG) coupled with a distribution‐free shuffle procedure. The SWAT model was applied to simulate changes in streamflow and sediment load for the future period 2071–2100 under RCP8.5 with respect to the baseline period 1971–2000. Results show that mean monthly maximum and minimum temperature were projected to increase by all the 20 GCMs, with an ensemble‐mean increase of 4.6–5.7°C and 4.2–5.8°C across the 12 months, respectively. An increase in mean annual precipitation (3.4–55.8%) and streamflow (1.0–72.7%) was also projected by all GCMs. However, projected changes in sediment load were not consistent. One half of the GCMs projected an increase (5.2–53.2%) in annual sediment load while the other half projected a decrease (5.1%–43.2%). In each month, at least three‐quarters of the GCMs projected an increase in monthly streamflow. For monthly sediment load, an increase in May to July was projected by over half of the GCMs, while a decrease was projected by a majority of the GCMs for other months. Our results indicate large uncertainties in streamflow and sediment projections under climate change, demonstrating the need to use multi‐model ensembles in climate change impact studies. Moreover, it was found that the streamflow and sediment loads simulated using the EnM scenario were often close to the ensemble means simulated using the 20 GCMs, which implies that the single EnM scenario has the potential of effectively and efficiently estimating the ensemble means of projections in a multi‐model ensemble.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».