The need for global hydro-climatological indicators
Notice bibliographique
Résumé
<p>Global warming is expected to alter the global hydrological cycle in addition to higher temperatures, higher global sea levels and melting ice. We present an analysis of how rainfall patterns have changed over the period 1950-2020 based on the ERA5 reanalysis, involving both aggregation and 2D Haar wavelet analysis. Our results suggest that there have been pronounced changes, such as increased activity in rain events with a size of less than 400 km. Such changes call for the need for global hydro-climate indicators that provide a summary of the state of the global hydrological cycle. We show that the typical total mass of water falling on Earth’s surface each day has gradually increased over the period, and the daily fraction of the global area on which it falls has diminished. Hence, the mean rainfall intensity has also increased. These findings imply two explanations for observed trends toward more extreme rainfall: (1) a more moist atmosphere and (2) the rainfall has increasingly become more concentrated in both time and space. One hypothesis is that these changes in rainfall patterns may be connected with changed conditions for convection in the atmosphere. We found that the energies in some of the wavelet components closely track the global mean temperature, which also may suggest a possibility to downscale statistics for rainfall patterns based on expected global warming. A practical consequence of these findings is an explanation for both more flooding in some places but also more drought in others. They also call for the need to include global hydro-climatological indicators in the widely used set consisting of the global mean temperature, global sea-level, CO2 concentrations and sea-ice extent.</p>
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».