MétaCan
Menu
← Retour à la cohorte
Enregistrement W3094426492 · doi:10.5194/egusphere-egu2020-13321

Reconciling global projections of precipitation with CMIP6 and CMIP5 multi-model trends

2020· article· en· W3094426492 sur OpenAlexaboutno aff
Ralph Trancoso, Jozef Syktus

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrecipitationClimatologyRepresentative Concentration PathwaysClimate changeEnvironmental scienceCoupled model intercomparison projectClimate modelDominance (genetics)General Circulation ModelPeriod (music)GeographyMeteorologyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Changing precipitation patterns due to climate change is a critical concern affecting society and the environment. Projected changes in global seasonal precipitation are largely heterogeneous in space, time, magnitude and direction. Therefore, reconciling projected future precipitation is pivotal for climate change science and adaptation and mitigation schemes. This research contributes to disentangle future precipitation uncertainty globally by exploring long-term trends in projected seasonal precipitation of 33 CMIP5 and 16 CMIP6 models for the period 1980-2100. We first estimate trend slopes and significance in long-term future seasonal precipitation using the Sen-Slope and Mann-Kendall tests and constrain trends with at least 10% of cumulative changes over the 120-year period. Then, we assess convergence in the direction of trends across seasons. We highlight the world’s jurisdictions with consistent drying and wetting patterns as well as the seasonal dominance of precipitation trends. A consistent drying pattern – where at least 78% of GCMs have decreasing precipitation trends – was observed in Central America, South and North Africa, South Europe, Southern USA and Southern South America. Unlike, a strong convergence in projected long-term wetness – where at least 78% of GCMs have increasing precipitation trends – was observed across most of Asia, Central Africa, Northern Europe, Canada, Northern US and South Brazil and surrounds. Results show convergence in direction of seasonal precipitation trends revealing the world’s jurisdictions more likely to experience changes in future precipitation patterns. The approach is promisor to summarize trends in seasonal time-series from multiple GCMs and better constrain wetting and drying precipitation patterns. This study provides meaningful insights to inform water resource management and climate change adaptation globally.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,054
Tête enseignante GPT0,273
Écart entre enseignants0,219 · 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'étudeSimulation ou modélisation
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 sujetClimate variability and models→Travaux en français237 207→