Hybrid Data-driven and Process-based Modeling for Streamflow Forecasting Under Climate Change in the Upper Genale River Basin of Ethiopia
Questo studio dimostra che un framework ibrido che integra il modello basato sui processi QSWAT+ con algoritmi di machine learning migliora significativamente l'accuratezza della previsione della portata dei corsi d'acqua nel bacino del fiume Upper Genale in Etiopia, rivelando una tendenza al rialzo proiettata nella portata futura sotto gli scenari di cambiamento climatico per supportare la gestione sostenibile delle risorse idriche.