MétaCan
Menu
Retour à la cohorte
Enregistrement W4410161317 · doi:10.3390/w17091403

Assessing the Effects of Climate Change on the Hydrology of a Small Catchment: The Krapina River near Kupljenovo

2025· article· en· W4410161317 sur OpenAlexaff
Ognjen Bonacci, Ana Žaknić‐Ćatović, Tanja Roje-Bonacci, Duje Bonacci

Notice bibliographique

RevueWater · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHydrology (agriculture)Environmental scienceDrainage basinClimate changeCatchment hydrologyPhysical geographyGeologyGeographyGeotechnical engineeringCartographyOceanography

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to examine variations in the hydrological regime of the Krapina River from 1964 to 2023. The river basin spans 1263 km2 and is characterized by a temperate, humid continental climate with warm summers. Hydrological data from the Kupljenovo gauging station, which monitors 91.1% of the basin (1150 km2), indicate an average annual discharge of 11.2 m3/s, ranging from 3.25 m3/s to 18.3 m3/s. Over the 60-year study period, the minimum mean daily discharges show a statistically insignificant increasing trend, while the mean annual and maximum annual mean daily discharges exhibit statistically insignificant declines. Annual precipitation averages 1037 mm, varying between 606 mm and 1459 mm, with a non-significant decreasing trend. In contrast, the mean annual air temperatures demonstrate a statistically significant increasing trend, with a pronounced intensification beginning in 1986. The annual runoff coefficients series exhibits a statistically insignificant downward trend, with an average value of 0.293 (range: 0.145–0.399). Application of the New Drought Index (NDI) revealed a marked increase in the frequency of strong and extreme droughts since 2000.

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)0,000
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,241
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 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207