MétaCan
Menu
Retour à la cohorte
Enregistrement W7074150775

Fluvial Response to Climate Change in the Pacific Northwest: Skeena River Discharge and Sediment Yield

2023· article· en· W7074150775 sur OpenAlexaboutno aff

Notice bibliographique

RevuePublication Database GFZ (GFZ German Research Centre for Geosciences) · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrecipitationSedimentClimate changeHydrology (agriculture)Drainage basinFluvialGlacierSurface runoffDischarge
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Changes in climate affect the hydrological regime of rivers worldwide and differ with geographic location and basin characteristics. Such changes within a basin are captured in the flux of water and sediment at river mouths, which can impact coastal productivity and development. Here, we model discharge and sediment yield of the Skeena River, a significant river in British Columbia, Canada. We use HydroTrend 3.0, two global climate models (GCMs), and two representative concentration pathways (RCPs) to model changes in fluvial fluxes related to climate change until the end of the century. Contributions of sediment to the river from glaciers decreases throughout the century, while basin-wide overland and instream contributions driven by precipitation increase. Bedload, though increased compared to the period (1981–2010), is on a decreasing trajectory by the end of the century. For overall yield, the model simulations suggest conflicting results, with those GCMs that predict higher increases in precipitation and temperature predicting an increase in total (suspended and bedload) sediment yield by up to 10% in some scenarios, and those predicting more moderate increases predicting a decrease in yield by as much as 20%. The model results highlight the complexity of sediment conveyance in rivers within British Columbia and present the first comprehensive investigation into the sediment fluxes of this understudied river system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,060
Tête enseignante GPT0,330
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublication Database GFZ (GFZ German Research Centre for Geosciences)Même sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207