Estimation of global extreme temperature trends by merging Annual Maxima and Peaks Over Threshold
Notice bibliographique
Résumé
Annual Maxima (AM) and Peaks over Threshold (POT) are the two most common approaches to define extreme time series in hydroclimatic variables. Both methods present limitations. AM frequently fails to include significant extremes that occur during the same year. Conversely, POT may only include clustered values from a few years thus excluding many years from the analysis, especially when the threshold is set high. Additionally, a big challenge in POT is identifying the threshold which can markedly affect the results.Here, we merge notions from both AM and POT, preserving the strengths of each approach, to extract extreme temperature series and estimate the trends in their frequency and magnitude. We select the values larger than or equal to the minimum of the AM series as high temperatures (HT) (lower than or equal to the maximum of the Annual Minima as the low temperatures – LT). Thus, each year of the HT, LT series has at least one extreme value (H1, L1). We apply the method to 4797 quality-controlled raw station observations from a global dataset of maximum and minimum temperatures over 1970-2019 when warming accelerates. To examine changes in H1-L1 frequency and magnitude, we estimate the ratio of observed to expected H1 (L1) annual occurrences, and the difference between the observed and expected mean H1 (L1) annual temperature values, respectively. We estimate the regression slopes of these ratios at the station level, regionally in 2°×2° grids, and globally. We then compare these trends with the ones obtained from AM and POT series. The proposed method adapts the threshold for each sample, and finds a compromise among all tested methods, thus being a flexible approach that can be applied to any non-intermittent variable. AcknowledgmentThis research was supported by a GWF Ph.D. Excellence Scholarship from the Global Institute for Water Security (GIWS), University of Saskatchewan
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».