Copula based Assessment of Climate Extremes across India: Past and Future
Notice bibliographique
Résumé
Climate change significantly influences the global hydrological cycle and consequently affects climatic extremes. The present study is focussed upon varying patterns of climate extremes using observed daily precipitation (1989-2019), daily temperature from Global Meteorological Forcing Dataset (GMFD) (1985-2016) and simulated daily meteorological forcing data (2025-2055 and 2065-2095) of 21 GCMs attained from the statistically downscaled dataset, NEX-GDDP (NASA Earth Exchange Global Daily Downscaled Projections) under RCP4.5 and RCP8.5 scenario across India. The copula method was employed to estimate the joint return period based on different climate extreme indices. Here, we found that R20, R95p and CWD attain an increasing trend and CDD mostly shows a decreasing trend in major segments of country in future. Based upon the 10-year joint return periods (1989-2019), it is found that parts of north-western, north-eastern, southern, western region and Western Ghats are highly prone towards floods and a large portion of the country is susceptible to co-occurrence of floods and droughts. Moreover, the study shows that many regions with less vulnerability towards precipitation extremes would become more vulnerable in future. Furthermore, TXx, TNx, TX90p, TN90p, TNn and TXn are found to be significantly increasing in future except increasing during 2065-2095 under RCP4.5 predominantly across the country. And, TX10p and TN10p follows a significantly decreasing trend in future across the except exhibiting a decreasing trend during 2065-2095 under RCP4.5, throughout the country. With the projected increase in hot days/nights, the frequency of concurrence of extreme number of hot days (TX90p) and nights (TN90p) within a year would increase in the future across the country. The present study provides useful information on the regional distribution of climate extremes and how they might change in the future. This information can further contribute to facilitate an effective planning strategy to improve resilience towards climate extremes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».