MétaCan
Menu
Retour à la cohorte
Enregistrement W4200559447 · doi:10.2166/wp.2021.267

Incorporating decadal climate variability information in the operation and design of water infrastructure

2021· article· en· W4200559447 sur OpenAlexaff
Jesper Olsen, Vikram M. Mehta, Harvey Hill

Notice bibliographique

RevueWater Policy · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceFlood mythPrecipitationClimatologyClimate changePacific decadal oscillationCurrent (fluid)Water resourcesSea surface temperatureMeteorologyGeographyOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The high thermal and mechanical inertia of the oceans results in slow changes in sea surface temperatures (SSTs). Changes in SSTs, in turn, can impact atmospheric circulation including water vapor transport, precipitation, and temperatures throughout the world. The Pacific Decadal Oscillation (PDO), the tropical Atlantic SST gradient variability, and the West Pacific Warm Pool are patterns of natural climate variability that tend to persist over decadal time periods. There are current efforts to produce decadal climate predictions, but there is limited understanding if this information can be used in water resources management. Understanding the current state of decadal climate variability (DCV) phenomena and the probability of persisting in that state may be useful information for water managers. This information could improve forecasts that aid operations and short-term planning for reservoir management, domestic and industrial water supplies, flood risk management, energy production, recreation, inland navigation, and irrigation. If conditions indicate a higher likelihood of drought, reservoir managers could reduce flood storage space and increase storage for conservation purposes. Improved forecasts for irrigation could result in greater efficiencies by shifting crops and rotational crop patterns. The potential benefits of using a forecast must be balanced against the risk of damages if the forecast is wrong. Seasonal forecasts using DCV information could also be used to inform drought triggers. If DCV indices indicate that the climate has a higher probability of dry conditions, drought contingency plans could be triggered earlier. Understanding of DCV phenomena could also improve long-range water resources planning. DCV can manifest itself in relatively short-term hydrologic records as linear trends that complicate hydrologic frequency analysis, which has traditionally assumed that hydrologic records are stationary.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,250

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 savante0,0000,001
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 Opus0,012
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater PolicyMême sujetClimate variability and modelsTravaux en français237 207