MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281664154 · doi:10.3390/su14116487

Ensemble Climate and Streamflow Projections for the Assiniboine River Basin, Canada

2022· article· en· W4281664154 sur OpenAlexafffundabout
Muhammad Rehan Anis, David Sauchyn

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesMitacs
Mots-clésPrecipitationStreamflowClimate changeFlooding (psychology)Environmental scienceClimatologyDrainage basinBaseline (sea)Climate modelSurface runoffStructural basinFlood mythGeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

The Assiniboine River Basin (ARB) is subject to an exceptionally variable precipitation regime of the Canadian Prairies, ranging between record droughts and unprecedented flooding in just the past decade. To assess the impact of a changing climate on hydroclimate variability in the ARB, we used the bias–corrected simulations from the Canadian Regional Climate Model (CanRCM4) to drive MESH model for two 60–year periods, a historical baseline (1951–2010) and future projection (2041–2100), under the Representative Concentration Pathway (RCP) 8.5 to simulate ARB flows at eight hydrometric stations. The precipitation is projected to increase in every season (~10–38%) except for summer (~−1–−5%). Minimum winter and maximum summer temperatures have the largest seasonal trends, increasing by 2–3 °C in the near future (2021–2050) and 5–6 °C in the far future (2051–2080). These climate changes produce higher winter river flows while peak runoff shifts by several weeks to earlier in the year. There is a shift in the magnitude and timing of extreme water levels. The ensemble of climate projections from a single model and one RCP to the variability and uncertainty in the future hydrology supports adaptation planning in the industrial sectors of Saskatchewan’s economy.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainability→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→