MétaCan
Menu
Retour à la cohorte
Enregistrement W4403843757 · doi:10.3390/atmos15111292

Projected 21st Century Drought Condition in the South Saskatchewan River Watershed: A Case Study in the Canadian Prairies

2024· article· en· W4403843757 sur OpenAlexafffundabout
Roya Mousavi, Daniel L. Johnson, James Byrne, R. Kroebel

Notice bibliographique

RevueAtmosphere · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Lethbridge
Organismes subventionnairesReal Estate Foundation of British ColumbiaMitacsGovernment of CanadaUniversity of LethbridgeAlberta Real Estate FoundationGovernment of Alberta
Mots-clésWatershedGeographyEnvironmental scienceWater resource managementHydrology (agriculture)Physical geographyClimatologyGeology

Résumé

récupéré en direct d'OpenAlex

In this study, a CMIP6 ensemble of 26 GCMs and SSP1-2.6, SSP2-4.5, and SSP5-8.5 scenarios from CanDCS-U6 is used to project drought conditions in the South Saskatchewan River Watershed. The near-current period (2015–2030) and two future periods (2041–2060 and 2071–2100) are analyzed based on the Standardized Precipitation Evapotranspiration Index (SPEI) at 1-, 3-, 6-, 12-, and 24-month timescales. Projections indicate a shift in average SPEI values from above zero (no drought) in the base period (1951–1990) to more negative values in the future. Results show an increase in drought severity and frequency under climate change conditions. The percentage of time with no drought conditions is projected to decline from 55–70% in the base period to 25–45% by 2071–2100. Severe and extreme droughts, rare in the base period (below 4%), are projected to increase to up to 19% by 2071–2100. The area experiencing drought is expected to expand from 36–49% (for different SPEI timescales) in the base period to up to 76% by 2071–2100. Drought frequency is projected to be higher under SSP1-2.6 and less frequent under SSP2-4.5. Results showed that longer SPEI timescales are associated with higher drought occurrence rates and severity. The spatial pattern of drought is also projected to significantly change, with higher frequencies expected in the eastern parts of the watershed under climate change.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,273
Score d'incertitude au seuil0,801

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,236
Écart entre enseignants0,227 · 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'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetHydrology and Drought AnalysisTravaux en français237 207