MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399249067 · doi:10.47884/jweam.v4i2pp01-19

Assessment of the Effect of Climate Change on the Hydrology in Seti Gandaki River Basin : A Case Study of Seti Khola Hydropower Project

2023· article· en· W4399249067 sur OpenAlexaboutno aff
Shailendra Bahadur Kunwar, Binaya Kumar Mishra, Shankar Lamichhane

Notice bibliographique

RevueJournal of Water Engineering and Management · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDownscalingHydropowerClimate changeEnvironmental sciencePrecipitationRepresentative Concentration PathwaysClimatologySWAT modelDrainage basinHydrology (agriculture)Soil and Water Assessment ToolClimate modelMeteorologyStreamflowGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Climate change poses substantial challenges for the development of hydropower. In this country, there are numerous perennial rivers that are unused. Understanding past, present, and future changes in temperature and precipitation will help to adapt to climate change. Using the RCP4.5 and RCP8.5 scenarios, this study investigates how rainfall, maximum temperature, and minimum temperature have been impacted by climate change in the Seti Gandaki River, Nepal. The Soil and Water Assessment Tool (SWAT) was set up for this study with a calibration period from 2009 to 2015 and a validation period from 2015 to 2018, both with a 3- year warm-up period. Temperature and precipitation projections for the future were obtained from the Canadian Earth System Model Version 2 (CanESM2). Using the Statistical Downscaling Model (SDSM), large-scale atmospheric variables from the National Centre for Environmental Prediction/National Centre for Atmospheric Research reanalysis (NCEP/NCAR) datasets were downscaled for several emission scenarios. Two distinct scenarios, RCP4.5 and RCP8.5 of the CanESM2 model, were applied to observe the change in precipitation, maximum temperature, and minimum temperature for future periods (2022-2040, 2046-2064). In the RCP4.5 and RCP8.5 scenarios for the years 2022–2040, respectively, it was found that precipitation would drop by 3% and 1.07% annually, the maximum temperature would fall by 0.03% and increase by 0.11%, and the minimum temperature would rise by 0.37% and 0.44%. Under the RCP4.5 and RCP8.5 scenarios, respectively, for the years 2046–2064, precipitation would drop by 5.07% and 0.57%, the maximum temperature would increase by 0.08% and 0.21%, and the minimum temperature would also increase by 1.45% and 1.60%. Additionally there has been a noticeable drop in flow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,108
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Engineering and Management→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→