MétaCan
Menu
Retour à la cohorte
Enregistrement W2751373483 · doi:10.1007/s10584-017-2052-7

Tropical semi-arid regions expanding over temperate latitudes under climate change

2017· article· en· W2751373483 sur OpenAlexaff
Amélie Rajaud, Nathalie de Noblet‐Ducoudré

Notice bibliographique

RevueClimatic Change · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensImpact
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésAridTemperate climateClimate changeClimatologyNorthern HemisphereClimate modelGlobal warmingLatitudeGeographyEnvironmental sciencePhysical geographyGeologyEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

Highly populated, water-limited and warm drylands are challenging areas for development and are expected to expand overall under several scenarios of climate change. Here, we adopt a bioclimatic approach based on the Köppen classification to focus on the evolution of warm semi-arid regions over the projected twenty-first century, following three socio-economic scenarios and 12 global climate models from the last IPCC exercise (CMIP5). We show that a global expansion of this climatic domain has already started according to climate observations in the twentieth century (about + 13% of surface increase, i.e. from 6 to 7% of the global land surface). Models project that this expansion will continue throughout the twenty-first century, whatever the scenario: for the most dramatic one (RCP 8.5), the share of the total land surface occupied by warm semi-arid surfaces is about 38% higher in 2100 compared to the present (from ∼ 7 to ∼ 9% of the global land surface). This expansion will essentially take place outside of the tropical belt, showing a poleward migration as large as 11 ∘ of latitude in the Northern Hemisphere. This expansion is linearly correlated with the projected future global warming (about 853 millions km 2 per degree of warming for RCP 8.5). Different types of climate class transitions and their associated mechanisms are discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,139
Tête enseignante GPT0,330
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetClimate variability and modelsTravaux en français237 207