Spatiotemporal characterization of meteorological drought: a global approach using the Drought Exceedance Probability Index (DEPI)
Notice bibliographique
Résumé
We present a global spatiotemporal characterization of meteorological droughts using historical precipitation data through the Drought Exceedance Probability Index (DEPI). The relationship between meteorological drought characteristics and monthly precipitation is explored at a global level. This study contributes to our understanding of the drought features observed in different areas of the planet, which can help predict the behavior of future droughts. The DEPI was applied to the Climate Research Unit global gridded high-resolution rainfall data set covering the period 1901-2019. Monthly drought index series were examined to extract the number of droughts experienced in each pixel (0.50° × 0.50°) of the globe, as well as their durations, intensities and severities. Results show agreement with other global drought characterization efforts, revealing areas with a greater drought occurrence. This paper demonstrates that regions with less seasonality and less intra- and inter-annual rainfall variability report fewer drought episodes. Duration and severity of droughts are also related to these rainfall features. The last part of the study describes the temporal distribution of droughts throughout the world. We conclude that regions with many events show stable, even distributions over time, but many pixels in the intertropical regions, the Middle East and smaller patches in Mongolia, China, Siberia and Canada currently show higher-intensity and longer-duration drought events than at the beginning of the twentieth century, while the opposite occurs in parts of Scandinavia, Russia, Argentina and Tanzania. The analysis demonstrates that DEPI is easy to use, is applicable to different climates and is effective in detecting the onset, end and intensity of droughts.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».