Historical and future changes in global flood magnitude – evidence from a model–observation investigation
Notice bibliographique
Résumé
Abstract. To improve the understanding of trends in extreme flows related to flood events at the global scale, historical and future changes of annual maximum streamflow are investigated, using a comprehensive streamflow archive and six global hydrological models. The models' capacity to characterise trends in annual maximum streamflow is evaluated across 3,666 river gauge locations over the period from 1971 to 2005, focusing on four aspects of trends over continental and global scale: (i) mean, (ii) standard deviation, (iii) percentage of locations showing significant trends and (iv) spatial pattern. Compared to observed trends, simulated trends driven by observed climate forcing generally have a higher mean, lower spread, and a similar percentage of locations showing significant trends. Models show a moderate capacity to simulate spatial patterns of historical trends, with approximately only 12–25 % of the spatial variance of observed trends across all gauge stations accounted for by the simulations. Interestingly, there are significant differences between trends simulated by GHMs forced with historical climate and forced by bias corrected climate model output during the historical period, suggesting the important role of the stochastic natural (decadal, inter-annual) climate variability. Significant differences were found in simulated flood trend results when averaged only at gauged locations compared to when averaging across all simulated grid cells, highlighting the potential for bias toward well-observed regions in the state-of-understanding of changes in floods. Future climate projections (simulated under RCP2.6 and RCP6.0 greenhouse gas concentration scenario) suggest a potentially high level of change in individual regions, with up to 35 % of cells showing a statistically significant trend (increase or decrease) and greater changes indicated for the higher concentration pathway. Importantly, the observed streamflow database under-samples the percentage of high-risk locations under RCP6.0 greenhouse gas concentration scenario by more than an order of magnitude (0.9 % compared to 11.7 %). This finding indicates a highly uncertain future for both flood-prone communities and decision makers in the context of climate change.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».