Changes in the frequency of global high mountain rain-on-snow events due to climate warming
Notice bibliographique
Résumé
Abstract Rain-on-snow (ROS) events can trigger severe floods in mountain regions. There is high uncertainty about how the frequency of ROS events (ROS) and associated floods will change as climate warms. Previous research has found considerable spatial variability in ROS responses to climate change. Detailed global assessments have not been conducted. Here, atmospheric reanalysis data was used to drive a physically based snow hydrology model to simulate the snowpack and the streamflow response to climate warming of a 5.25 km 2 virtual basin (VB) applied to different high mountain climates around the world. Results confirm that the sensitivity of ROS to climate warming is highly variable among sites, and also with different elevations, aspects and slopes in each basin. The hydrological model predicts a decrease in the frequency of ROS with warming in 30 out 40 of the VBs analyzed; the rest have increasing ROS. The dominant phase of precipitation, duration of snow cover and average temperature of each basin are the main factors that explain this variation in the sensitivity of ROS to climate warming. Within each basin, the largest decreases in ROS were predicted to be at lower elevations and on slopes with sunward aspects. Although the overall frequency of ROS drops, the hydrological importance of ROS is not expected to decline. Peak streamflows due to ROS are predicted to increase due to more rapid melting from enhanced energy inputs, and warmer snowpacks during future ROS.
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) | 0,001 | 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 ».