MétaCan
Menu
Retour à la cohorte
Enregistrement W3087852411 · doi:10.5194/egusphere-egu2020-1850

Spatial dependence of floods and droughts: learning from differences in regional and seasonal patterns

2020· article· en· W3087852411 sur OpenAlexaff
Manuela I. Brunner, Eric Gilleland, Daniel L. Swain, Andrew W. Wood, Martyn Clark

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFlood mythSpatial dependenceSpatial ecologyEnvironmental scienceSpatial heterogeneityGeographyClimatologyPhysical geographyEcologyStatisticsMathematicsBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Regional flood and drought events often have more severe impacts than localized events in terms of damages and costs, the number of affected people, and habitat changes. Understanding which regions may be jointly affected by such extreme events can help us to derive reliable regional risk estimates, plan and manage resource flows, and develop suitable adaptation measures. However, the spatial dimension of droughts and floods is often neglected when deriving hazard estimates and we know little about the processes governing their spatial dependencies. Therefore, we investigate how and why spatial dependencies in droughts and floods vary seasonally and regionally over the United States. We aim to gain new insight into processes governing spatial dependencies of droughts and floods by contrasting their regional and seasonal patterns. To map regions with a similar seasonal flood and drought behavior, respectively, we introduce a measure of connectedness, which quantifies the number of catchments with which a specific catchment co-experiences flood or drought events. We then summarize the spatial dependencies by identifying regions with a similar flood behavior and regions with a similar drought behavior. To do so, we use a hierarchical clustering procedure on the F-madogram, which is a measure of spatial dependence for extremes. We look at regional and seasonal differences in spatial dependence both for floods and droughts and subsequently compare the two phenomena. We find that spatial dependence is over all seasons stronger for droughts than for floods. Both types of extremes, however, show regional and seasonal differences in spatial connectedness. Droughts show the strongest spatial dependence in fall. In contrast, the Rocky Mountains show the highest spatial dependence of droughts in winter because of snow accumulation. Very low spatial dependence is found in spring. The seasonal, spatial dependence patterns of floods are opposed to the one of droughts. Spatial flood dependence is highest in spring, especially in mountainous areas, high in winter at the Pacific coast and the Appalachian Mountains, and high in summer in the Rocky Mountains. In contrast, spatial connectedness is very weak in fall. We conclude that spatial dependence patterns are stronger for droughts than floods because of the slower processes and longer durations associated with the phenomenon. Furthermore, we conclude that both meteorological and land surface processes such as snowmelt and the availability of soil moisture shape the spatial dependence patterns of each extreme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,210
Écart entre enseignants0,192 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Drought AnalysisTravaux en français237 207