ND
Nigel Downes
Author with expertise in Numerical Weather Prediction Models
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
4
(75% Open Access)
Cited by:
2
h-index:
11
/
i10-index:
13
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Modelling and predicting annual rainfall over the Vietnamese Mekong Delta (VMD) using SARIMA

Huỳnh Minh et al.Jun 20, 2024
Abstract Climate and rainfall are extremely non-linear and complicated phenomena, which require numerical modelling to simulate for accurate prediction. We obtained local historical rainfall data for 12 meteorological stations in the Vietnamese Mekong Delta (VMD) for the 45-year period 1978–2022, to predict annual rainfall trends. A statistical time series predicting technique was used based on the autoregressive integrated moving average (ARIMA) model. We utilized the seasonal ARIMA process of the form (p,1,q)(P,1,Q) for our study area. The best seasonal autoregressive integrated moving average (SARIMA) models were then selected based on the autocorrelation function (ACF) and partial autocorrelation function (PACF), the minimum values of Akaike Information Criterion (AIC) and the Schwarz Bayesian Information (SBC). The seasonal autoregressive integrated moving average model with external regressors (SARIMAX) was discovered, and a series of SARIMA models of various orders were estimated and diagnosed. To evaluate model fitting, we used the Nash–Sutcliffe coefficient (Nash) and the root-mean-square error (RMSE). The study has shown that the SARIMA (1, 1, 1)(2, 1, 1) 11 and SARIMA (1, 1, 1)(2, 1, 1) 12 model were appropriate for analyzing and forecasting future rainfall patterns at particular meteorological station in the VMD. The results showed the SARIMA model is more reliable and provides more accurate projections than other commonly used statistical methods, notably interval forecasts. We found that interpretable and reliable near-term location-specific rainfall predicts can be provided by the SARIMA-based statistical predicting model.
0
Paper
Citation2
0
Save
0

Empowering Employees’ Environmental Citizenship Behaviour: Insights From Small and Medium‐sized Enterprises in Climate‐Threatened Tourism Destinations

Van Huynh et al.Jun 19, 2024
This study addresses a gap in understanding how small and medium-sized enterprises (SMEs) can effectively inspire their employees to adopt voluntary environmental behaviours, specifically aimed at mitigating climate change impacts on climate-threatened tourism destinations. Through smart PLS-SEM analysis of 437 valid responses from SME employees, an extended theoretical framework is developed, encompassing factors such as environmental Corporate Social Responsibility (CSR), sustainable intelligence, environmental empathy, environmental engagement, affective place attachment, and environmental citizenship behaviours. Findings reveal the direct relationship between enterprises’ environmental CSR practices and employees’ environmental citizenship behaviour. Mediating roles of empathy, engagement, and place attachment are identified in predicting employees’ voluntary pro-environmental behaviours in mitigating climate change impacts on destinations. The study also highlights the moderation effect of employees' occupations on the relationship between environmental engagement and pro-nature conservation behaviour. Implications are drawn for empowering SME employees’ environmental citizenship behaviour and promoting sustainable co-management of vulnerable tourism destinations facing climate change threats.
0
0
Save
0

Tourism-Induced Land Use Transformations, Urbanisation, and Habitat Degradation in the Phu Quoc Special Economic Zone

Cần Nguyễn et al.Jan 6, 2025
Dynamic development of tourism activities and rapid urbanisation in Special Economic Zones (SEZs) can lead to significant land use and land cover changes (LULCCs) and environmental degradation, particularly in ecologically sensitive areas. This study examines the transformation of land use and its associated impacts on habitat quality and thermal environment in Phu Quoc Island (Vietnam) over a 20-year period (2003–2023). Using multi-temporal Landsat satellite imagery and random forest classification, we quantify LULCCs and assess the environmental consequences of urban expansion on habitat degradation and intensification of the island’s thermal environment, focusing on land surface temperature (LST) changes. Our analysis reveals that rapid urbanisation, driven by large-scale tourism and infrastructure developments, has led to a significant loss of forest and farmland, leading to a 5.6% decline in habitat quality and a marked increase in LST. The study also highlights the uneven distribution of urban growth, with the majority of expansion occurring in the southern and central regions of the island. By applying the InVEST Habitat Quality Model, we identify key zones of habitat degradation and offer insights into the spatial patterns of environmental sensitivity and changes. Our findings underscore the need for integrated land use planning and sustainable development strategies to mitigate the negative environmental impacts of SEZ-driven urbanisation on island ecosystems. This research provides critical guidance for policymakers, planners, and environmental managers to balance economic growth with environmental conservation in fragile island environments.