Temperature and rainfall extremes change under current and future global warming levels across Indian climate zones
Notice bibliographique
Résumé
Mean surface temperature is projected to rise by about 4.4 °C by the end of the century compared to the period between 1976 and 2005 when following the most extreme scenario of the greenhouse gas emissions pathway (Krishnan et al., 2020). With this rise in mean temperature, there is a lot of uncertainty on how weather and climate extremes would unfold, especially for various climate zones of India. It is therefore essential that the potential changes in both magnitude and direction of weather and climate extremes at the regional level when the global temperature reaches the different warming levels from 1 °C to 3 °C be established to allow for informed policy formulation. The present study explores the potential changes in the Expert Team on Climate Change Detection and Indices of rainfall and temperature estimated from the coupled model inter-comparison project CMIP5 multi-model ensemble over different climatic zones of India at 1 °C, 1.5 °C, 2 °C, 2.5 °C and 3 °C global temperature rise relative to pre-industrial levels under two Representative Concentration Pathways, RCP4.5 and RCP8.5. Projected changes in temperature extremes indicate significant changes at all warming levels across the nine climate zones of India. Hot temperature extremes are expected to increase while cold temperature extremes decrease. For India, country average at 3 °C under the RCP8.5 and 2 °C under the RCP4.5 scenarios, ensemble median shows that Warm Spell Duration Index will increase by 131 days and 66 days; hot days increase by 44% and 52%, warm nights increase by 23% and 13%; cold days decrease by 10% and 9%, and cold nights decrease by 13% and 12% relative to pre-industrial levels. The greatest changes in temperature based indices are projected in the colder northern parts of the country followed by the arid zone. Ensemble median for rainfall indices shows an increase in high precipitation indices, though with large model spread indicating the large uncertainties in the projections. Annual total precipitation and heavy rainfall related extreme indices show statistically significant increases in the tropical, temperate and semi-arid regions of India, moving from 1 °C to 3 °C warming level under RCP8.5 scenario whereas there is generally no significant change in the maximum number of consecutive dry and wet days. Moreover, the potential changes in climate extremes at the regional level are expected to have far-reaching impacts on the social and economic statuses of the respective climate zones. This information at a regional scale also calls attention to the national and state action plan on climate change and adaptation to be more responsive in order to take coherent and integrated policy decisions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».