MétaCan
Menu
Retour à la cohorte
Enregistrement W3169515086 · doi:10.1088/1748-9326/ac0849

Internal variability and temperature scaling of future sub-daily rainfall return levels over Europe

2021· article· en· W3169515086 sur OpenAlexaboutno aff
Benjamin Poschlod, Ralf Ludwig

Notice bibliographique

RevueEnvironmental Research Letters · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesBayerisches Landesamt für Umwelt
Mots-clésPrecipitationEnvironmental scienceQuantileMediterranean climateClimatologyScalingReturn periodClimate changeAtmospheric sciencesRange (aeronautics)MeteorologyGeographyMathematicsStatisticsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The range of sub-daily extreme precipitation due to internal variability is quantified within the single model initial-condition large ensemble featuring 50 members of the Canadian regional climate model, version 5 (CRCM5) under the high-emission scenario representative concentration pathway 8.5. Ten-year return levels of sub-daily precipitation are calculated for three future periods (2010–2039, 2040–2069, 2070–2099) and hourly to 24-hourly aggregations over a European domain. The return levels are found to increase by 4%–8% for every future 30 year period averaged for the study area, where short-duration rainfall intensities increase to a greater extent than longer-duration rainfall intensities. The ranges between the median of the 50 members and the 5th and 95th quantile amount to −15.6%–19.3%, −16.0%–20.1%, and −16.5%–20.9% for the near, mid and far future, respectively. It is also shown that the scaling of the precipitation increase with temperature (Clausius–Clapeyron scaling) exhibits substantial variations between the 50 CRCM5 members at regional aggregations. These findings illustrate the large impact of internal variability on the uncertainty of extreme precipitation return level estimates. Here, regions of significant changes are identified, where future median extreme precipitation exceeds the 95th quantile of the reference period (1980–2009). These regions are located in northern Europe, central Europe and the eastern part of the Mediterranean.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,275
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate variability and modelsTravaux en français237 207