Assessing the occurrence of compound hot and dry events from pre-industrial conditions to present-day extremes
Notice bibliographique
Résumé
Heatwaves and dry spells are major climate hazards that severely impact human health, economy, agriculture, and natural ecosystems. Compound hot and dry summers have become more frequent and intense in recent years in Europe. What remains unclear is, however, to which extent the observed trend can be explained by climate change or as a feature of internal climate variability. In this study, we assess the frequency and intensity of compound hot and dry events in Europe by analyzing recent historical events from reanalysis data 1960-2022 and comparing it to i) a counterfactual reference (corresponding to pre-industrial climate conditions), and ii) model data derived from a Single Model Initial-condition Large Ensemble (SMILE).We use data from the fifth generation of the European Reanalysis (ERA5) to assess the current frequency of the compound hot and dry summers like 2003, 2015, 2018, and 2022 and analyze the intensity of the events. We use the data from the 50-member SMILE Canadian Regional Climate Model Large Ensemble (CRCM5-LE) and calculate the probability of event occurrence for those events in Europe’s current climate. Employing the ensemble allows us to assess the influence of internal climate variability vs. climate change for those events. Additionally, we use pre-industrial conditions (pi-control runs) simulated with CRCM5 to compare the probability of recent hot and dry compound events to a counterfactual world without climate change. Our analysis shows that climate change increases the frequency and intensity of compound hot and dry events. We see a substantial increase in occurrence probabilities compared to a pre-industrial world and draw to emerging hotspots of new compound extremes in several European regions. We illustrate the added value of using pi-control runs in a regional SMILE as a novel approach for impact quantification. It provides the means to understand better the already prominent role of climate change on the occurrence, frequency, and intensity of extreme events in a world of still limited warming.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».