MétaCan
Menu
Retour à la cohorte
Enregistrement W4288491429 · doi:10.3390/w14152325

Climate Change Impacts on Hydrological Processes in a South-Eastern European Catchment

2022· article· en· W4288491429 sur OpenAlexaff
Serban Danielescu, Mihai Adamescu, Sorin Cheval, Alexandru Dumitrescu, Constantin Cazacu, Mihaela Borcan, Carmen Postolache

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensEnvironment and Climate Change CanadaAgriculture and Agri-Food Canada
Organismes subventionnairesUniversitatea din București
Mots-clésEnvironmental scienceStreamflowClimate changeRepresentative Concentration PathwaysDrainage basinSoil and Water Assessment ToolPrecipitationHydrology (agriculture)Climate modelClimatologyGeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

The output extracted from CNRM, MPR, and ICHEC Global Circulation Models for RCP 4.5 and RCP 8.5 Representative Concentration Pathways has been used in conjunction with the SWAT model for evaluating the impacts of future climate changes on hydrological processes in a Romanian catchment (Neajlov, 3720 km2 area) in the short (2021–2050) and long term (2071–2100). During the growing season, precipitation will decrease by up to 7.5% and temperature will increase by up to 4.2 °C by 2100. For the long term (2071–2100), the decrease in soil water content (i.e., 14% under RCP 4.5 and 21.5% under RCP 8.5) and streamflow (i.e., 4.2% under RCP 4.5 and 9.7% under RCP 8.5) during the growing season will accentuate the water stress in an already water-deficient area. The snow amount will be reduced under RCP 8.5 by more than 40% for the long term, consequently impacting the streamflow temporal dynamics. In addition, our results suggest that hydrological processes in the lower portions of the catchment are more sensitive to climate change. This study is the first Romanian catchment-scale study of this nature, and its findings support the development of tailored climate adaptation strategies at local and regional scales in Romania or elsewhere.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,228
Écart entre enseignants0,202 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207