Climate change simulation and impacts on extreme events of rainfall and storm water in the Zayandeh Rud Catchment
Notice bibliographique
Résumé
Nowadays, one of the most significant problems is that to recognize how the severity of heavy precipitation and floods may alter in future time in comparison with the current period. The purpose of this research is to understand the impact of future climate change on storm water and probability of maximum flood for future time period. Zayandeh rud river basin in Iran is selected as a case study. Forecast of future climatic parameters based on temperature and precipitation of the upcoming period (2006-2040) is completed with using the HadCM3 model and based on RCP 2.6, 4.5, and 8.5 emission patterns. Also, climate change model is downscaled statistically with applying LARS-WG. In the next step, the probable of maximum precipitation is measured through synoptic method and then, in order to model maximum storm water under the climate change effects, the HEC-HMS for simulating rainfall-runoff model is used. Also, the Snowmelt Runoff Model (SRM) is applied to model snow melting. The results of this research indicate the maximum of probable precipitation in the basin for the period of 2006-2040 under the scenario RCP 2.6, can rise by 5% and by the scenarios of RCP 4.5 and RCP 8.5 can decrease by 5% and 10%, respectively in comparison with the current period 1970-2005.
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 ».