MétaCan
Menu
Retour à la cohorte
Enregistrement W4410134343 · doi:10.1029/2024wr039331

River Thermal Dynamics and Heatwaves of Polish Rivers Under Climate Change

2025· article· en· W4410134343 sur OpenAlexaff
Jiang Sun, Fabio Di Nunno, Mariusz Sojka, Renata Graf, Dariusz Wrzesiński, Mariusz Ptak, Wentao Dong, Jiajie Xu, Quan Zhou, Yi Luo, Wei Zhi, Roohollah Noori, Senlin Zhu, Francesco Granata

Notice bibliographique

RevueWater Resources Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceClimate changeHydrology (agriculture)ClimatologyPhysical geographyGeologyGeographyOceanographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Progression of global warming poses a significant risk to river ecosystems. However, how river heatwaves' characteristics across complex hydrological systems alter under climate change is still poorly understood. In this study, long‐term reconstructed daily river water temperatures (RWTs) from 125 hydrological stations in 70 rivers across Poland, were used. Bayesian estimator of abrupt change, seasonal change, and trend (BEAST) method was used to track the abrupt changes of RWTs. Moreover, the characteristics of river heatwaves, including number, duration, intensity, and category, were evaluated. BEAST analysis revealed pronounced spatiotemporal variability in RWT trends in Poland, influenced by natural and anthropogenic factors. Notably, the maximum abrupt changes of RWT were observed during the 1980s and 1990s. Southern Poland, particularly mountainous regions, exhibited more pronounced river temperature changes and severe heatwaves compared to the milder northern regions. Our results also showed a statistically significant increase in frequency and intensity of river heatwaves at 121 out of the 125 studied stations (p‐value < 0.05), which were consistent with the warming of air temperatures. For all the designated stations, the majority of river heatwaves belonged to the category “moderate,” followed by “strong,” “severe,” and “extreme.” Number, duration, and intensity of the river heatwaves were highly correlated with air temperatures, with the correlation coefficients being 0.624, 0.631, and 0.604, respectively. Our findings further suggest that mitigation measures shall be taken to reduce the effects of climate warming on Polish river ecosystems, especially under low flow conditions which are more vulnerable to the intensified river heatwaves.

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 enseignants0,006
Score d'incertitude au seuil0,012

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
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,299
Écart entre enseignants0,267 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207