MétaCan
Menu
Retour à la cohorte
Enregistrement W4353065041 · doi:10.2166/wcc.2023.362

Future water security under climate change: a perspective of the Grand River Watershed

2023· article· en· W4353065041 sur OpenAlexaffabout
Baljeet Kaur, Narayan Kumar Shrestha, Uttam Ghimire, Pranesh Kumar Paul, Ramesh Rudra, Pradeep Goel, Prasad Daggupati

Notice bibliographique

RevueJournal of Water and Climate Change · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMinistry of the Environment, Conservation and ParksUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWater scarcityWater securityClimate changeWatershedWater resourcesStreamflowEnvironmental scienceWater resource managementScarcityWatershed managementIrrigationHydrology (agriculture)GeographyEcologyDrainage basinGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change poses a threat to the water security of the Grand River Watershed (GRW) by altering the precipitation patterns and other weather variables, which affect streamflow and freshwater availability. Therefore, in this study, a Soil and Water Assessment Tool (SWAT) model for the GRW, Ontario, Canada, was used to assess the blue and green water scarcity for future periods for future sustainable management of freshwater resources in the region. The ensemble results predicted a warmer and wetter future for the GRW. The ensemble model result, when considering both emission scenarios and future periods, showed that blue water (BW) is projected to increase by 23–40% while green water storage (GWS) is projected to experience an overall decrease (2–8%). The results suggested that BW may become more scarce compared to green water in the future. The scarcity of BW is primarily due to the projected increase in population growth and water demand in the watershed. Green water scarcity in some regions indicated that changes in irrigation might be needed in the future in some parts of the watershed. The results indicate that the careful planning is essential for future water management in GRW.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,566
Score d'incertitude au seuil0,328

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 ouverte0,0000,001
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 Opus0,024
Tête enseignante GPT0,248
Écart entre enseignants0,224 · 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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Climate ChangeMême sujetHydrology and Watershed Management StudiesTravaux en français237 207