MétaCan
Menu
Retour à la cohorte
Enregistrement W4414115805 · doi:10.22541/au.175761959.95777888/v1

Development of a Water Management Framework for Upper Yamuna River Basin using WEAP

2025· preprint· en· W4414115805 sur OpenAlexaboutno aff
Dinesh Kumar, C. T. Dhanya, Saman Razavi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Sustainable Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrainage basinHydrology (agriculture)River managementWater resourcesWork (physics)

Résumé

récupéré en direct d'OpenAlex

Dinesh Kumar1, C. T. Dhanya1, and Saman Razavi21 Department of Civil Engineering, Indian Institute of Technology Delhi, New Delhi-110016, India2 Department of Civil and Geological Engineering, University of Saskatchewan, SaskatoonSK S7N 3H5, CanadaAbstract: The regime of water quantity and quality in Upper Yamuna River Basin (UYRB), a tributary of Yamuna Basin that originates from the Himalayan region, has been affected by anthropogenic activities, climate extremes, and changing climate. The fresh water resources of UYRB is shared by six Indian states through the Memorandum of Agreement-1995. The river supplies domestic and agricultural water for more than 40 million people and 2 billion kg of crop yield per year. The significant increase in population, new hydrological extremes, changing climate, and unsustainable practices are expected to affect the fresh water resource, e-flow and agricultural activities of the basin. Hence, there is a need for a basin scale hydrological model in order to understand the human-water interactions in this basin in terms of both water quantity and quality, and to support the sustainable and economic use of water across the basin. This model needs to accommodate the storage and diversion structures, ecosystem requirements, water import (export) from (to) riparian areas, etc. This study focuses on the development of a framework to manage the water resources of this basin for present and future scenarios using Water Evaluation And Planning (WEAP) model. Quantitative statistics are used to assess the performance of the model, and the results indicate that the model successfully captures the system dynamics well. Nash-Sutcliffe coefficient (calibration/validation) value at Hathikund Barrage and Wazirabad Barrage are 0.84/0.79 and 0.77/0.61, respectively. \soutEven though the model simulates monthly and monsoon flows well, \soutsignificant difference is observed in the non-monsoon flows, especially at Wazirabad Barrage. The model simulates monsoon flows (i.e. peak flows) very well. Though the significant difference is observed in between the simulated and natural flow during the non-monsoon flow (i.e. low flows) in the downstream river gauge stations, especially at Wazirabad station.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,286
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate Change and Sustainable DevelopmentTravaux en français237 207