Role of mean and variability change for changes in European annual and seasonal extreme precipitation events
Notice bibliographique
Résumé
Abstract. The frequency of precipitation extremes is set to change in response to a warming climate. Thereby, the change in precipitation extreme event occurrence is influenced by both a shift in the mean and a change in variability. How large the individual contributions from either of them (mean or variability) to the change in precipitation extremes are, is largely unknown. This is however relevant for a better understanding of how and why climate extremes change. For this study, two sets of forcing experiments from the regional CRCM5 initial-condition large ensemble are used. A set of 50 members with historical and RCP8.5 forcing as well as a 35-member (700 year) ensemble of pre-industrial natural forcing. The concept of the probability risk ratio is used to partition the change in extreme event occurrence into contributions from a change in mean climate or a change in variability. The results show that the contributions from a change in variability are in parts equally important to changes in the mean, and can even exceed them. The level of contributions shows high spatial variation which underlines the importance of regional processes for changes in extremes. While over Scandinavia or Mid-Europe the mean influences the increase in extremes more, reversely the increase is driven by changes in variability over France, the Iberian Peninsula, and the Mediterranean. For annual extremes the differences between the ratios of contribution of mean and variability are smaller, while on seasonal scales the difference in contributions becomes larger. In winter (DJF) the mean contributes more to an increase in extreme events, while in summer (JJA) the change in variability drives the change in extremes. The level of temporal aggregation (3 h, 24 h, 72 h) has only a small influence on annual and winterly extremes, while in summer the contribution from variability can increase with longer durations. The level of extremeness for the event definition generally increases the role of variability. These results highlight the need for a better understanding of changes in climate variability to better understand the mechanisms behind changes in climate extremes.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».