MétaCan
Menu
Retour à la cohorte
Enregistrement W4400854566 · doi:10.2166/wcc.2024.197

Effects of climate change and land use on the hydrologic regime using the Hydro-BID tool: A case study of the Andean mountain basin in Colombia

2024· article· en· W4400854566 sur OpenAlexaff
Mena Darwin, Carlos Peña-Guzmán, Manuel J. Rodríguez

Notice bibliographique

RevueJournal of Water and Climate Change · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLand coverWatershedEnvironmental scienceLand useHydrology (agriculture)Structural basinLand use, land-use change and forestryClimate changeDrainage basinPhysical geographyStreamflowVegetation (pathology)ClimatologyGeographyGeologyCartographyEcologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Changes on the land surface generate changes in land cover, which directly affect the availability of water in watersheds. This article evaluates the case study regarding the effects on the hydrological regime of the Andean mountain basin on the Coello river basin in Colombia due to changes in land use/land cover during the 2000–2019 period by the use of the Hydro-BID tool. The physical analysis of the land surface included the processing of Landsat 7 ETM and Landsat 8 OLI satellite images for the years 2001, 2003, 2015, and 2019. Seven types of coverage were determined based on these data using the Mixed Gaussian Method. The changes between each year were evaluated, after which the land use/land cover change for the year 2050 was predicted using a Markov chain. The multi-temporal analysis showed a decrease in forested areas during the studied period, while low vegetation significantly increased within the watershed. This trend was shown to continue in the future scenario for the year 2050, with an increase in flow on the watershed of 59.6%. Additionally, the climate change scenarios were modeled with the changes in land use. The combined effects established a progressive decrease in the modal 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 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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,220

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 ouverte0,0000,000
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 Opus0,046
Tête enseignante GPT0,257
Écart entre enseignants0,212 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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