Larger Drought and Flood Hazards and Adverse Impacts on Population and Economic Productivity Under 2.0 than 1.5°C Warming
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Climate change may have major influences on surface runoff, which would consequently result in important implications for terrestrial ecosystems and human well‐being. At global scale there is limited understanding of these issues with respect to the warming targets stipulated in the Paris Agreement. Here we use a well‐established hydrological model (Variable Infiltration Capacity [VIC]) forced with a representative ensemble of latest climate projections from four global circulation models (GCMs) to estimate potential future changes in runoff and Terrestrial Ecosystem Water Retention (TEWR), as well as changes in extreme runoff and their impacts on population, and overall gross domestic product (GDP) worldwide. Results suggest that annual runoff generally would have larger increases, while annual TEWR generally would have larger decreases under the 2.0°C warming scenario as opposed to 1.5°C warming scenario. Global mean warming of 2°C versus 1.5°C would lead to more distinct spatial patterns in runoff change, with a general shift of the runoff distribution towards more extreme low runoff in Mexico, western United States, Western Europe, southeastern China, West Siberian Plain and more extreme high runoff in Alaska, northern Canada, and large parts of Asia. More people and GDP would be exposed to extreme low runoff decrease, extreme high runoff increase, extreme low runoff decrease as well as extreme high runoff increase under a higher warming scenario. This study differentiates hydrological impacts between the two warming scenarios and illustrates higher runoff, lower TEWR, larger potential drought and flood hazards and adverse impacts on population and GDP under 2°C than 1.5°C.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle