Assessing the Impact of Climate Change on an Ungauged Watershed in the Congo River Basin
Notice bibliographique
Résumé
This study assesses the impact of climate change on streamflow characteristics in the Lualaba River Basin (LRB), an important yet ungauged watershed in the Congo River Basin. Two conceptual hydrological models, HBV-MTL and GR4J, were calibrated using the reanalysis datasets and outputs of Generalized Circulation Models (GCMs) under CMIP6 during the historical period. The hydrological models were fed with outputs of GCMs under shared socioeconomic pathways (SSPs) 2-45 and 5-85, moderate- and high-radiative future scenarios. The results demonstrate that hydrological models successfully simulate observed streamflow, but their performance varies significantly with the choice of climate data and model structure. Interannual streamflow (Q) percentiles (10, 50, 90) were used to describe flow conditions under future climate. Q10 is projected to increase by 33% under SSP2-45 and 44% under SSP5-85, suggesting higher flow conditions that are exceeded 90% of the time. Q50 is also expected to rise by almost the same rate. However, a considerably higher Q90 is projected to increase by 56% under the moderate- and 80% under the high-radiative scenario. These indicate the overall higher water availability in this watershed to be used for energy and food production and the need for flood risk management.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».