MétaCan
Menu
Retour à la cohorte
Enregistrement W4200555584 · doi:10.1080/02626667.2021.2014057

Assessing water system vulnerabilities under changing climate conditions using different representations of a hydrological system

2021· article· en· W4200555584 sur OpenAlexafffundabout
Ali Sharifinejad, Elmira Hassanzadeh, Masoud Zaerpour

Notice bibliographique

RevueHydrological Sciences Journal · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensConcordia UniversityPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStreamflowEnvironmental scienceWatershedVulnerability (computing)Climate changeClimate modelHydrology (agriculture)Drainage basinWater resourcesGridClimatologyHydrological modellingWater resource managementComputer scienceGeographyGeologyEcologyCartography

Résumé

récupéré en direct d'OpenAlex

Changes in climate are altering the historical characteristics of the streamflow regime and affecting the performance of water systems. Here, the role of representing natural streamflow conditions in quantification of water system vulnerability under changing climate is evaluated in the Oldman River Basin, Canada. Four hydrological models are developed using point- and grid-based climate data and considering lumped and semi-distributed representations of the watershed. These hydrological models are then coupled with a reservoir water allocation model. Using an ensemble of climate model projections fed into these integrated models, changes in the water system’s behaviour are evaluated. Although intensified and earlier peak flows and more critical water deficits are projected, the estimated risks of failure strongly depend on the considered hydrological model configuration. The divergence among models’ projections for water deficit can be as high as 300%. Therefore, usage of all configurations is recommended to revise the reservoir operational policies.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,057
Tête enseignante GPT0,313
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological Sciences JournalMême sujetHydrology and Watershed Management StudiesTravaux en français237 207