Open data analysis of terrestrial water storage and water availability in the Middle East: Spatiotemporal trends, hydroclimatic drivers, and socio-ecological implications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines the spatiotemporal variability of Terrestrial Water Storage (TWS) and Water Availability (WA) across the Middle East (ME) from 2002 to 2024 using exclusively open-access datasets, including GRACE/GRACE-FO mascon solutions, GLDAS-Noah simulations, CHIRPS precipitation records, and global aridity indices. The contributions of six hydroclimatic variables, such as snow water equivalent, canopy water storage, soil moisture storage, groundwater storage, precipitation, and evapotranspiration, to TWS and WA were quantified through component contribution ratio analysis and Least-Squares Cross Wavelet Analysis (LSCWA). The harmonized and reconstructed datasets provided here are openly accessible, enabling reproducibility and further regional water studies. Results reveal a critical decline in ME water storage, with an average depletion of −45 km 3 annually, and widespread WA deficits affecting about half the region. Groundwater storage emerged as the dominant contributor to TWS variability, particularly under arid and hyper-arid conditions, whereas soil moisture and snow water played stronger roles in humid zones. The coherency analysis indicates that annual cycles of TWS and WA were strongly linked with hydroclimatic drivers before 2020 but weakened in subsequent years. These findings, underpinned by openly shared datasets, provide essential resources and insights for water management strategies and sustainable policy development in one of the world's most water-stressed regions.
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.
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 | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle