Increasing impacts from extreme precipitation on population over China with global warming
Notice bibliographique
Résumé
Precipitation-related extremes are among the most impact-relevant consequences of a warmer climate, particularly for China, a region vulnerable to global warming and with a large population. Understanding the impacts and risks induced by future extreme precipitation changes is critical for mitigation and adaptation planning. Here, extreme precipitation changes under different levels of global warming and their associated impacts on populations in China are investigated using multimodel climate projections from the Coupled Model Intercomparison Project Phase 5 and population projections under Shared Socio-economic Pathways. Heavy precipitation would intensify with warming across China at a rate of 6.52% (5.22%-8.57%) per degree of global warming. The longest dry spell length would increase (decrease) south (north) of ~34°N. The low warming target of the Paris Agreement could substantially reduce the extreme precipitation related impacts compared to higher warming levels. For the area weighted average changes, the intensification in wet extremes could be reduced by 3.22%, 9.42% and 16.70% over China, and the lengthening of dry spells could be reduced by 0.72%, 4.75% and 5.31% in southeastern China, respectively, if global warming is limited to 1.5 °C as compared to 2, 3 and 4 °C. The Southeastern China is the hotspot of enhanced impacts due to the dense population. The impacts on populations induced by extreme precipitation changes are dominated by climate change, while future population redistribution plays a minor role.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».