MétaCan
Menu
Retour à la cohorte
Enregistrement W2918302444 · doi:10.1038/s41598-019-39936-2

Event-to-event intensification of the hydrologic cycle from 1.5 °C to a 2 °C warmer world

2019· article· en· W2918302444 sur OpenAlexaff
Gavin D. Madakumbura, Hyungjun Kim, Nobuyuki Utsumi, Hideo Shiogama, Erich Fischer, Øyvind Seland, John Scinocca, Dann Mitchell, Yukiko Hirabayashi, Taikan Oki

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesMinistry of Education, Culture, Sports, Science and TechnologyJapan Society for the Promotion of ScienceNatural Environment Research CouncilSight Research UK
Mots-clésEnvironmental scienceClimatologyFlood mythMediterranean climateEvent (particle physics)Climate changeWater cycleAtmospheric sciencesGeographyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

The Paris agreement was adopted to hold the global average temperature increase to well below 2 °C and pursue efforts to limit it to 1.5 °C. Here, we investigate the event-to-event hydroclimatic intensity, where an event is a pair of adjacent wet and dry spells, under future warming scenarios. According to a set of targeted multi-model large ensemble experiments, event-wise intensification will significantly increase globally for an additional 0.5 °C warming beyond 1.5 °C. In high latitudinal regions of the North American continent and Eurasia, this intensification is likely to involve overwhelming increases in wet spell intensity. Western and Eastern North America will likely experience more intense wet spells with negligible changes of dry spells. For the Mediterranean region, enhancement of dry spells seems to be dominating compared to the decrease in wet spell strength, and this will lead to an overall event-wise intensification. Furthermore, the extreme intensification could be 10 times stronger than the mean intensification. The high damage potential of such drastic changes between flood and drought conditions poses a major challenge to adaptation, and the findings suggest that risks could be substantially reduced by achieving a 1.5 °C target.

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)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,224 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations111
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetClimate variability and modelsTravaux en français237 207