Evaluating the Dependence between Temperature and Precipitation to Better Estimate the Risks of Concurrent Extreme Weather Events
Notice bibliographique
Résumé
Precipitation and temperature are among major climatic variables that are used to characterize extreme weather events, which can have profound impacts on ecosystems and society. Accurate simulation of these variables at the local scale is essential to adapt urban systems and policies to future climatic changes. However, accurate simulation of these climatic variables is difficult due to possible interdependence and feedbacks among them. In this paper, the concept of copulas was used to model seasonal interdependence between precipitation and temperature. Five copula functions were fitted to grid (approximately 10 km × 10 km) climate data from 1960 to 2013 in southern Ontario, Canada. Theoretical and empirical copulas were then compared with each other to select the most appropriate copula family for this region. Results showed that, of the tested copulas, none of them consistently performed the best over the entire region during all seasons. However, Gumbel copula was the best performer during the winter season, and Clayton performed best in the summer. More variability in terms of best copula was found in spring and fall seasons. By examining the likelihoods of concurrent extreme temperature and precipitation periods including wet/cool in the winter and dry/hot in the summer, we found that ignoring the joint distribution and confounding impacts of precipitation and temperature lead to the underestimation of occurrence of probabilities for these two concurrent extreme modes. This underestimation can also lead to incorrect conclusions and flawed decisions in terms of the severity of these extreme events.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».