Impacts of climate change on precipitation phase trends in the Upper Langtang glacier river basin
Notice bibliographique
Résumé
Mountain studies worldwide have documented increases in rainfall fraction as an impact of climate change. Most mountain systems show an increasing trend in rainfall fraction due to shifting snow precipitation to rain. In Nepal, which occupies an 800 km-long belt of the Hindu Kush Himalaya, the precipitation phase trend is not well known. This study conducts a precipitation phase study in the Langtang region and investigates the response of snowfall and rainfall to recent climate variation and change. The study uses 40 years (1979-2018) of bias-corrected WFDEI climate reanalysis data and applies a physically based psychrometric energy-balance model to partition precipitation into rainfall and snowfall. The study identifies points of statistically significant changes in trends using the Exponential Weighted Average, Mann-Kendall test, Sen’s slope estimator, and changepoint analysis. Changepoint detection was conducted using Pettitt’s method. In addition, the study estimates transient temperature for rainfall-snowfall transition using logistic mapping. The results show that the rainfall fraction has been increasing for all timestamps (annual, seasonal, monthly) except winter nights, with changepoints occurring between 1990-2000. Post-monsoon months (October and November) showed the greatest annual increase in daytime rainfall fraction at 0.34% and 0.27%, respectively. Winter months exhibited the least changes, with no significant increase in rainfall, particularly at night. The transient temperature for rainfall-snowfall transition was identified at 1.78°C.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».