Streamflow monitoring challenges and data quality assessment in the Awash River Basin, Ethiopia
Notice bibliographique
Résumé
ABSTRACT Ethiopia's Awash River Basin (ARB) data scarcity and quality concerns limit effective planning and research. This study evaluated 15 streamflow gauging stations through a two-week field inspection following World Meteorological Organization (WMO) protocols, combined with observer feedback and four statistical homogeneity tests. This study also conducted analysis of streamflow trends using daily data from 15 gauging stations over the period of 1965–2015 using Mann–Kendall test and Sen's slope estimator. Field assessments revealed outdated equipment, inadequate site conditions, and low observer satisfaction, often leading to errors in water–level measurement. Homogeneity analysis showed that approximately 25%, 40%, and 33% of the stations in the Upper, Middle, and Lower Awash Basins, respectively, exhibit inhomogeneous data records, undermining long-term hydrological analyses. The study found a statistically significant increasing trend in annual streamflow in the Middle Awash Basin, while upper and lower basins showed insignificant trends. These findings highlight significant spatial variability in data reliability across the basin. The study concludes that upgrading gauging networks with telemetry, improving rating-curve updates, and enhancing observer support are urgent priorities. Strengthening institutional coordination and capacity building will be critical to ensure reliable streamflow records, thereby improving hydrological forecasting and sustainable basin-wide water resources management.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».