Machine Learning and Bias-Corrected CMIP6 for Improved Streamflow Prediction in the Data-Scarce Kulfo River, Ethiopia
Este estudio demuestra que la integración de las proyecciones climáticas del CMIP6 con corrección de sesgo con modelos de aprendizaje automático, particularmente Random Forest, mejora significativamente la precisión de la predicción del caudal en la cuenca del río Kulfo, la cual carece de datos, revelando una tendencia futura de aumento de las temperaturas y disminución del caudal anual con una mayor incertidumbre hidrológica bajo diversos escenarios de cambio climático.