MétaCan
Menu
Retour à la cohorte
Enregistrement W4319438872 · doi:10.3390/hydrology10020044

Comparison of Spatio-Temporal Variability of Daily Maximum Flows in Cold-Season (Winter and Spring) in Southern Quebec (Canada)

2023· article· en· W4319438872 sur OpenAlexaffabout
Ali A. Assani

Notice bibliographique

RevueHydrology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésSnowmeltEnvironmental scienceSpring (device)SnowSpatial variabilityClimatologySnow coverWinter seasonTrend analysisAtmospheric sciencesHydrology (agriculture)GeographyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Quebec has experienced a significant decrease in the amount of snow and an increase in temperature during the cold season. The objective of this study is to analyze the impacts of these climate changes on the spatio-temporal variability of the daily maximum flows generated by snowmelt in winter and spring using several statistical tests of correlation (spatial variability) and long-term trend (temporal variability). The study is based on the analysis of flows measured in 17 watersheds (1930–2019) grouped into three hydroclimatic regions. Regarding the spatial variability, the correlation analysis revealed that in winter, the flows are positively correlated with the agricultural area and the daily maximum winter temperature. In the spring, the flows are positively correlated with the drainage density and the snowfall but negatively correlated with the area of wetlands and the daily maximum spring temperature. As for temporal variability (long-term trend), the application of eight statistical tests revealed a generalized increase in flows in winter due to early snowmelt. In the spring, despite the decreased snow cover, no negative trend was observed due to the increase in the spring rainfall, which compensates for the decrease in the snowfall. This temporal evolution of flows in the spring does not correspond to the predictions of climate models. These predict a decrease in the magnitude of spring floods due to the decrease in the snowfall in southern Quebec.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,518

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 savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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'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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrologyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207