MétaCan
Menu
Retour à la cohorte
Enregistrement W4406150270 · doi:10.3390/hydrology12010007

Attribution of the Climate and Land Use Change Impact on the Hydrological Processes of Athabasca River Basin, Canada

2025· article· en· W4406150270 sur OpenAlexaffabout
Sharad Aryal, Mukand S. Babel, Anil Gupta, Babak Farjad, Dibesh Khadka, Quazi K. Hassan

Notice bibliographique

RevueHydrology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensGovernment of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationEnvironmental scienceClimate changeStreamflowGroundwater rechargeHydrology (agriculture)PrecipitationWatershedLand use, land-use change and forestryLand useShrublandStructural basinDrainage basinLand coverSurface runoffPhysical geographyEcosystemGeographyGeologyEcologyGroundwater

Résumé

récupéré en direct d'OpenAlex

Climate change (CC) and land use/land cover change (LULCC) are significant drivers of hydrological change, and an effective watershed management requires a detailed understanding of their individual and the combined impact. This study focused on the Athabasca River Basin (ARB), Canada, and investigated how the basin responded to their changes using the MIKE SHE-MIKE Hydro River. Our findings revealed novel insights into ARB hydrological changes, including increment in non-vegetated lands (0.26%), savannas (1.28%), forests (0.53%), and urban areas (0.02%) while grasslands (2.07%) and shrublands (0.03%) decreased. Moreover, the basin experienced rising annual minimum (1.01 °C) and maximum (0.85 °C) temperatures but declining precipitation (6.2%). The findings suggested a significant impact of CC compared to LULCC as CC caused annual reduction in streamflow (7.9%), evapotranspiration (4.8%), and recharge (6.9%). Meanwhile, LULCC reduced streamflow (0.2%) and recharge (0.4%) but increased evapotranspiration (0.1%). The study revealed spatiotemporal variability across the ARB, with temperature impacts stronger in winter and precipitation influencing other seasons.

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 enseignants0,014
Score d'incertitude au seuil0,104

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 technologies0,0010,000
Communication savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,228
Écart entre enseignants0,209 · 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

Citations14
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrologyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207