Projected changes in extreme precipitation and floods in central India
Notice bibliographique
Résumé
Precipitation extremes are expected to rise in a warming climate; however, the corresponding increases in flood magnitudes remain a complex and underexplored issue. This study employs the annual maxima approach to assess the relationship between extreme precipitation and floods, using a process-based hydrological model, the Soil & Water Assessment Tool (SWAT), in four river basins of central India (Brahmani and Baitarni, Subarnarekha, Mahanadi and Narmada) for past (1984-2014) and future (2030-2060 and 2070-2100). First, the SWAT models underwent rigorous data selection (climate and land cover data), calibration and validation to ensure a reliable representation of the hydrologic conditions of these basins at a daily scale, based on observations from 26 hydrometric stations for the 1988–2019 period. Second, climate projections from four CMIP6 GCMs were statistically downscaled using Bias Correction/Constructed Analogues with Quantile mapping reordering (BCCAQ) for the SSP245 and SSP585 scenarios. Finally, the SWAT models were used to project future changes in extreme precipitation and flood characteristics in the selected river basins. Considering both daily model performance (Nash-Sutcliffe Efficiency-NSE > 0.60) and catchment representativeness, we selected 10 from 26 hydrometric stations for the extreme value analysis. The analysis of the ensemble mean of the 95th percentile of four GCMs and the modelled 20-year return levels show a future increase in both precipitation (0.27 to 27.93 % and 6.19 to 50.06 %) and discharge (1.31 to 50.35 % and 5.42 to 100.73 %) at 6 out of 10 selected stations, with a more significant increase under the SSP585 scenario than the SSP245 scenario, highlighting a clear link between increased precipitation and discharge The modelling framework developed in this study will improve understanding of processes involved and the thresholds at which the central Indian catchments correspond to extreme precipitation. The findings will help the projection of future flood risks and could help to shape effective adaptation strategies in the region.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».