MétaCan
Menu
Retour à la cohorte
Enregistrement W4213437825 · doi:10.1002/essoar.10510626.1

The Effects of Climate Change on Flood-Generating Mechanisms in the Assiniboine and Red River Basins

2022· preprint· en· W4213437825 sur OpenAlexaffabout
Soheil Bakhtiari

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensUniversity of VictoriaEnvironment and Climate Change CanadaWestern University
Organismes subventionnairesnon disponible
Mots-clésFlood mythClimate changeSpace (punctuation)Drainage basinGeographyArchaeologyPhysical geographyHydrology (agriculture)GeologyComputer scienceCartographyGeotechnical engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Flood events are influenced by terrestrial factors including land cover, land and water management, watershed physiographic features, and hydro-climatic components including snowmelt and precipitation. In Canada, flooding is a frequent and prominent natural disaster, which is modulated by different flood-generating mechanisms. In this study, we assess the intensity and frequency of three flood-generating mechanisms including Rain on Snow (ROS), intense rainfall, and snowmelt-driven flood events over the Assiniboine-Red River basin, which is one of the most flood-prone regions in Canada and located in the Lake Winnipeg watershed. We downscale and bias correct seven Global Climate Models (GCMs) that participated in CMIP6 using two methods of Bias Correction/Constructed Analogues with Quantile mapping (BCCAQ) (BCCAQ) and Multivariate Bias Correction (MBC). The observed and downscaled climate variables (precipitation and temperature) are used to drive a process-based distributed snow model to evaluate the changes in flood-generation mechanisms in the historical and future periods. The projected future changes are analyzed under policy-relevant global mean temperature (GMT) increases from 1.0 °C to 3.0 °C above the pre-industrial period. Overall, all models project higher regional temperature increases compared to the global mean with warmer and wetter winters. The snow model results indicate future decreases in the snow cover duration, snowmelt rate, and snow water equivalent (SWE), and earlier shifts in the maximum SWE timing. Moreover, both the intensity and frequency of ROS events increase in all seasons except summers. However, the increases in the rain and snowmelt events are mostly projected to occur in the spring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,824

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFlood Risk Assessment and ManagementTravaux en français237 207