Evaluating the impact of projected CO2, temperature, and rainfall change on groundwater resources in a rice–wheat dominated cropping region of northwestern India
Notice bibliographique
Résumé
Abstract Increasing CO2 concentration, temperature rise, and changes in rainfall due to climate change are expected to influence groundwater resources in irrigated agricultural regions. A simulation study using AquaCrop and MODFLOW models was undertaken to assess the combined effects of increasing CO2 concentrations, temperature, and rainfall changes on groundwater behavior in a rice–wheat cropping region of northwest India. Simulations were carried out for the 2016–2099 period under two scenarios: increasing CO2 concentrations corresponding to different RCPs (Scenario-I) and at a constant CO2 concentration of 369.4 ppm (Scenario-II). The results indicate that elevated CO2 negates the effect of rising temperature on evapotranspiration (ET) and water demand, and thus, lower ET is simulated under Scenario-I than Scenario-II for different RCPs during the future periods. The lower projected ET resulted in lower rice (2.3%–6.3%) and wheat (1.4%–16.1%) irrigation demand under Scenario-I than under Scenario-II. Of all RCPs, the lowest groundwater level (GWL) decline of 9.2, 20.5, and 24.4 m from the reference GWL (18.85 m) at the end of the early, mid-, and end-century periods, respectively, is projected under RCP8.5 and Scenario-I. Simulation results indicate that CO2 concentration plays an important role while assessing climate change effects on groundwater in irrigated agricultural systems.
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 | 0,001 | 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 ».