MétaCan
Menu
Retour à la cohorte
Enregistrement W3169618324 · doi:10.2166/wcc.2021.038

Response of runoff in the upper reaches of the Minjiang River to climate change

2021· article· en· W3169618324 sur OpenAlexaboutno aff
Kebi Yang, Ting Chen, Tianqi Ao, Xu Zhang, Li Zhou, Danyang Gao

Notice bibliographique

RevueJournal of Water and Climate Change · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Engineering, University of Canterbury
Mots-clésSurface runoffEnvironmental sciencePrecipitationDownscalingClimate changeEvapotranspirationSWAT modelLandformHydrology (agriculture)MeltwaterSnowmeltSnowSoil and Water Assessment ToolClimatologyStreamflowGlacierPhysical geographyDrainage basinGeologyGeographyMeteorologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change affects the water cycle in different regions. The response of annual runoff and seasonal distribution to climate change in the upper reaches of the Minjiang River during 2021–2050 was studied by coupling the Statistical Downscaling Model (SDSM) and the Soil and Water Assessment Tool (SWAT). This model was driven by the second-generation Canadian Earth System Model (CanESM2) under RCP2.6, RCP4.5, and RCP8.5 scenarios. The results show that the runoff in the upper reaches of the Minjiang River has a unique response to climate change. The maximum and minimum temperatures will increase with the increase in emissions, especially in December–January. The daily precipitation shows an upward trend, especially in July–August in the RCP4.5 scenario. The annual runoff shows an upward trend with the increase in emissions. Compared with the current increase of 13–26%, the most prominent period is November–April. Because the study area covers high mountains and gorge landforms, the altitude difference is great, and the influence of evapotranspiration and snow melting processes is more prominent, causing the monthly runoff to decrease in June–July with an increase in precipitation. From April to May, precipitation decreased while runoff increased.

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 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 enseignants0,141
Score d'incertitude au seuil0,169

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,251
Écart entre enseignants0,214 · 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.

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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Climate ChangeMême sujetHydrology and Watershed Management StudiesTravaux en français237 207