IMPACTS OF SNOWMELT AND CLIMATE CHANGE ON HIMALAYAN RIVERS: THE CASE OF DATA-SCARCE DUDHKOSHI RIVER IN EASTERN NEPAL
Notice bibliographique
Résumé
Water from snow-melt is crucial to provide ecosystem services in downstream of the Himalayas. To study the fate of snow hydrology, an integrated modeling system has been developed coupling Statistical Downscaling Model (SDSM) outputs with Snowmelt Runoff Model (SRM) in the Dudhkoshi Basin, Nepal. The SRM model is well-calibrated in 2011 and validated in 2012 and 2014 using MODIS satellite data. The annual average observed and simulated discharges for the calibration year are 177.89 m3 /s and 181.47 m3 /s respectively. To assess future climate projections for the periods 2020s, 2050s, and 2080s, the SDSM model is used for downscaling precipitation, maximum temperature, and minimum temperature from the Canadian GCM model (CanESM2) under three different scenarios RCP2.6, RCP4.5 and RCP8.5. All considered scenarios are significant in predicting increasing trends of maximumminimum temperature and precipitation and the storehouse of freshwater in the mountains is expected to deplete rapidly if global warming continues.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».