Evaluation of climate change impact on plants and hydrology
Notice bibliographique
Résumé
Climate change (CC) is the menace of the hour impacting every facet of human existence. Regional CC and its impact studies are crucial in that they contribute to global change. The current study aims to investigate the prevalence of CC in Charsadda, Pakistan and its impact on vegetation and hydrology of the region to understand microclimate variability contribution to global CC. Utilizing local climate data for 20 years (2001–2020), Modified Mann-Kendall and Sen’s Slope statistics were employed to determine monthly and seasonal trends in climate variables. Significant changing climate variables were regressed on Moderate resolution Imaging Spectroradiometer (MODIS) satellite dataset viz. normalized difference vegetation index (NDVI). Due to the prominent climate factor impacting vegetation, NDVI was further correlated to MODIS land surface temperature (LST). Floods being the conspicuous climate calamity were mapped for 2005 and 2010 using satellites Landsat 5 and 7 dataset viz. normalized difference water index (NDWI) with flood risk assessment by watershed delineation. The findings revealed significant (p < 0.05) variability in climate variables (average monthly and summer maximum temperature, and average monthly and summer precipitation) that are driving CC and impacting vegetation and hydrology in the region. Temperature and solar radiation affect NDVI adversely while precipitation and relative humidity has positive impact on vegetation. NDVI varied greatly spatiotemporally, often increasing but worsening in some areas (Shabqadar, Abazai, Palai and Charsadda city with NDVI = 0.1–0.3) of the study region as a result of extreme weather events. Temporally, NDVI improved with an overall positive trend with a stage (2007–2016) of noticeable zigzag fluctuation. Spatial grids with higher LST (>40°C) were either devoid of or with sparse NDVI (<0.3) presenting global warming as peril to vegetation. NDWI maps (2005, 2010 floods) indicate that after floods wreaked havoc on the region altering the vegetation pattern revealing heavy irregular precipitation as the next to temperature in jeopardizing vegetation of the region. Lower elevation regions along the Swat and Kabul Rivers with a greater risk of flooding were identified by watershed delineation. The study suggests that local governments and stakeholders implement CC mitigation strategies and plans for vegetation restoration, flood alerts with post-flood management for regional sustainable development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».