Projected changes in extreme warm and cold temperatures in China from 1.5 to 5°C global warming
Notice bibliographique
Résumé
Abstract Linking regional extreme temperature changes to global warming levels is important for understanding the impacts of global emission targets on regional climate. Here, we investigate how the temperature extremes in China change with different global warming levels using large ensemble runs from Canadian Earth System Model version 2. With the global mean near‐surface temperature increasing from 1.5 to 5°C above the preindustrial level, the absolute intensity of the warmest and coldest temperatures in China will change linearly, while the percentile‐based frequency of warm and cold temperatures will change nonlinearly. All the changes in the intensity and the frequency show clear regional differences, with the most obvious changes observed in northeastern China. The probability distribution functions (PDFs) for the intensity indices show clear shifts but with little change in shape, while the PDFs for the frequency indices show changes in both position and shape. Quantified analyses of risk ratio show that the risk changes in the frequency of temperature extremes will be larger than those for the intensity indices. The changes in the nighttime extremes are faster than those in the daytime extremes. The rarer the event is, the larger the change in the risk ratio. At the 2°C warming level, the cold days and nights with return periods of 5, 10, and 50 years in the current climate will become almost disappeared. At the 3°C level and beyond, the once‐in‐5‐year, 10‐year and 50‐year warm events in the current climate will occur every year.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».