MétaCan
Menu
Retour à la cohorte
Enregistrement W4283269777 · doi:10.1088/2752-5295/ac7acb

Potential changes in temperature extreme events under global warming at 1.5 °C and 2 °C over Côte d’Ivoire <sup>*</sup>

2022· article· en· W4283269777 sur OpenAlexfundno aff
N’Datchoh Evelyne Touré, Kouakou Kouadio, Siélé Silue, Adama Bamba, Edward Naabil, Kouakou Bernard Djè, Arona Diédhiou, Mouhamadou Bamba Sylla, Sandrine Anquetin, Chris Lennard

Notice bibliographique

RevueEnvironmental Research Climate · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreGovernment of Canada
Mots-clésDownscalingEnvironmental scienceGlobal warmingClimate changeClimatologyAgricultureGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This work investigated the impact of 1.5 °C and 2 °C of global warming levels (GWLs) above pre-industrial levels on annual and seasonal mean changes in temperature extremes over Côte d’Ivoire and its different climatic zones. We used the multi-model Coordinated Regional Climate Downscaling Experiment for Africa of 25 regional climate models under the RCP8.5 scenario. The changes in temperature are quantified relative to the period 1971–2000 based on five Expert Team on Climate Change Detection and Indices indexes namely for warm spells, hot nights, hot days, cold nights and cold days. We show that a global warming of 1.5 °C and 2 °C will lead to an increase in the frequency of warm days and warm nights and a decrease in the occurrence of cold days and cold nights across Côte d’Ivoire in all climatic zones and seasons. More than 80% of the model ensemble members project this change at both GWLs. Moreover, the assessment of differences in GWLs highlights that the difference between the 1.5 °C and 2 °C thresholds may intensify the changes over all the country, climatic zones and seasons. Therefore this 0.5 °C difference in global warming is likely to impact upon energy demand and the agricultural system throughout the country and over all of the seasons. This study provides climate information for decision makers related to sectors such as agriculture, energy in their adaptation strategies.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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 Opus0,035
Tête enseignante GPT0,296
Écart entre enseignants0,260 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research ClimateMême sujetClimate variability and modelsTravaux en français237 207