Machine Learning and Bias-Corrected CMIP6 for Improved Streamflow Prediction in the Data-Scarce Kulfo River, Ethiopia
Este estudo demonstra que a integração de projeções climáticas do CMIP6 com correção de viés a modelos de aprendizado de máquina, particularmente Random Forest, melhora significativamente a precisão da previsão do fluxo de correnteza na bacia do Rio Kulfo, que é carente de dados, revelando uma tendência futura de aumento de temperaturas e declínio do fluxo anual de correnteza com o aumento da incerteza hidrológica sob vários cenários de mudanças climáticas.