MétaCan
Menu
Retour à la cohorte
Enregistrement W4377093606 · doi:10.1038/s41467-023-38510-9

Increasing global precipitation whiplash due to anthropogenic greenhouse gas emissions

2023· article· en· W4377093606 sur OpenAlex
Xuezhi Tan, Xinxin Wu, Zeqin Huang, Jianyu Fu, Xuejin Tan, Simin Deng, Yaxin Liu, Thian Yew Gan, Bingjun Liu

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGuangzhou Municipal Science and Technology ProjectNational Natural Science Foundation of China
Mots-clésGreenhouse gasEnvironmental sciencePrecipitationWhiplashNatural resource economicsEnvironmental protectionPoison controlMeteorologyEcologyEnvironmental healthGeographyMedicineBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Precipitation whiplash, including abrupt shifts between wet and dry extremes, can cause large adverse impacts on human and natural systems. Here we quantify observed and projected changes in characteristics of sub-seasonal precipitation whiplash and investigate the role of individual anthropogenic influences on these changes. Results show that the occurrence frequency of global precipitation whiplash is projected to be 2.56 ± 0.16 times higher than in 1979–2019 by the end of the 21 st Century, with increasingly rapid and intense transitions between two extremes. The most dramatic increases of whiplash show in the polar and monsoon regions. Changes in precipitation whiplash show a much higher percentage change than precipitation totals. In historical simulations, anthropogenic greenhouse gas (GHG) and aerosol emissions have increased and decreased precipitation whiplash occurrences, respectively. By 2079, anthropogenic GHGs are projected to increase 55 ± 4% of the occurrences risk of precipitation whiplash, which is driven by shifts in circulation patterns conducive to precipitation 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,325
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle