MétaCan
Menu
Retour à la cohorte
Enregistrement W4404123180 · doi:10.1504/ijesd.2025.10067722

Simultaneous effects of climate and land use change on watershed hydrological processes

2024· article· en· W4404123180 sur OpenAlexaboutno aff
Babak Ebrahimi, Mohammad Amin Asadi, Zahra Nouri, Ali Talebi

Notice bibliographique

RevueInternational Journal of Environment and Sustainable Development · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedEnvironmental scienceClimate changeLand useLand use, land-use change and forestryWater resource managementWatershed managementHydrology (agriculture)Environmental resource managementGeologyEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

This research aims to investigate simultaneous effects of climate change and land use change on runoff and real and potential evapotranspiration in Mehrgerd Watershed in South Western Iran. To this end, land use maps were produced for years 1987, 2002, and 2017. Then, 2032 map was predicted. Future projections of the Canadian earth system model (CanESM2) model based on representative concentration pathway 8.5 (RCP8.5) emission scenario were used. The projections were downscaled by statistical downscaling model (SDSM) to simulate future climate of the watershed during 2017-2032. Model of soil and water assessment tool (SWAT) was employed to simulate watershed's hydrological processes. R2 and NSE for calibration were 0.73, 0.69, respectively. The values for validation were 0.71 and 0.58, respectively. The results showed the contribution of climate change to runoff and real and potential evapotranspiration was 76%, 74%, and 90%, respectively. Furthermore, the land use change contribution to the mentioned components was 24%, 26%, and 10%, respectively. Therefore, effects of climate change on runoff and real and potential evapotranspiration was more significant than that of land use 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 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)0,001
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,207 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environment and Sustainable DevelopmentMême sujetHydrology and Watershed Management StudiesTravaux en français237 207