Precipitation response to climate change and urban development over the continental United States
Notice bibliographique
Résumé
Abstract Appropriately characterizing future changes in regional-scale precipitation requires assessment of the interactive effect owing to greenhouse gas-induced climate change and the physical growth of the built environment. Here we use a suite of medium resolution (20 km grid spacing) decadal scale simulations conducted with the Weather Research and Forecasting model coupled to an urban canopy parameterization to examine the interplay between end-of-century long-lived greenhouse gas (LLGHG) forcing and urban expansion on continental US (CONUS) precipitation. Our results show that projected changes in extreme precipitation are at least one order of magnitude greater than projected changes in mean precipitation; this finding is geographically consistent over the seven CONUS National Climate Assessment (NCA) regions and between the pair of dynamically downscaled global climate model (GCM) forcings. We show that dynamical downscaling of the Geophysical Fluid Dynamics Laboratory GCM leads to projected end-of-century changes in extreme precipitation that are consistently greater compared to dynamical downscaling of the Community Earth System Model GCM for all regions except the Southeast NCA region. Our results demonstrate that the physical growth of the built environment can either enhance or suppress extreme precipitation across CONUS metropolitan regions. Incorporation of LLGHGs indicates compensating effects between urban environments and greenhouse gases, shifting the probability spectrum toward broad enhancement of extreme precipitation across future CONUS metropolitan areas. Our results emphasize the need for development of management policies that address flooding challenges exacerbated by the twin forcing agents of urban- and greenhouse gas-induced climate change.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».