Future changes in the intensity and frequency of precipitation extremes over China in a warmer world: Insight from a large ensemble
Notice bibliographique
Résumé
Sufficient samples of extreme precipitation events are needed in order to obtain reliable estimates of the probability of their occurrence. Here, we use a large ensemble simulation with 50 members from the Canadian Earth System Model (CanESM2) under the representative concentration pathway 8.5 (RCP8.5) scenario to give future projection of the intensity and frequency of extreme precipitation events under different warming levels relative to the current climate over China. A bias-correction method based on quantile mapping is first used to remove systematic biases in the ensemble. The return value and return period are obtained by fitting enough annual maximum precipitation samples with the generalized extreme value to represent the intensity and frequency of extreme events, respectively. The results show that the average intensity of extreme precipitation in China will increase by nearly 8% per 1°C of global warming, which closely follows the Clausius-Clapeyron relation. Rarer extreme events will experience greater changes in frequency, especially under higher warming. The nationally averaged extreme precipitation events, presently expected to occur every 50 years (100 years) under the current climate conditions, are expected to occur approximately every 41 years (82 years), 32 years (62 years), 22 years (42 years) and 15 years (29 years) under warming levels of 1.5, 2.0, 3.0 and 4.0°C, respectively. Northwestern China (NW), southwestern China (SW) and the Yangtze River valley (YZ) exhibit the greatest increase in probability ratio (PR) under future climate condition. The risk of extreme precipitation events, currently expected to occur once every 50 years, will be nearly 11 (21) times more likely to occur under a climate warming by 3.0°C (4.0°C). Limiting warming to 1.5°C will help avoid approximately 40%-50%, 70%-80% and over 90% of the increase in the risk of extreme events in almost all subregions if the global mean surface temperature (GMST) continues warming to 2.0°C, 3.0°C and 4.0°C, respectively. Our study provides a useful information for the understanding the impact of climate change on the future risk of extreme events over China.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».