Machine Learning and Bias-Corrected CMIP6 for Improved Streamflow Prediction in the Data-Scarce Kulfo River, Ethiopia
Questo studio dimostra che l'integrazione di proiezioni climatiche CMIP6 corrette per i bias con modelli di apprendimento automatico, in particolare Random Forest, migliora significativamente l'accuratezza della previsione del deflusso fluviale nel bacino del fiume Kulfo, caratterizzato da scarsità di dati, rivelando una tendenza futura di aumento delle temperature e declino del deflusso annuale con un incremento dell'incertezza idrologica sotto vari scenari di cambiamento climatico.