MétaCan
Menu
Retour à la cohorte
Enregistrement W4379647064 · doi:10.1175/jcli-d-22-0713.1

The Effect of Greenhouse Gas–Induced Warming on the Impact of El Niño and La Niña Events on Daily Precipitation Extremes in the Boreal Cold Season

2023· article· en· W4379647064 sur OpenAlexafffund
Qiaohong Sun, Francis W. Zwiers, Xuebin Zhang, Yaheng Tan

Notice bibliographique

RevueJournal of Climate · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change CanadaPacific Institute for Climate SolutionsUniversity of Victoria
Organismes subventionnairesStartup Foundation for Introducing Talent of Nanjing University of Information Science and TechnologyGlobal Water FuturesNanjing University of Information Science and Technology
Mots-clésClimatologyPrecipitationEnvironmental scienceBorealForcing (mathematics)Atmospheric sciencesClimate changeEl Niño Southern OscillationGlobal warmingClimate modelGreenhouse gasGeologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract El Niño–Southern Oscillation (ENSO) has a profound influence on the occurrence of extreme precipitation events at local and regional scales in the present-day climate, and thus it is important to understand how that influence may change under future global warming. We consider this question using the large-ensemble simulations of CESM2, which simulates ENSO well historically. CESM2 projects that the influence of ENSO on extreme precipitation will strengthen further under the SSP3–7.0 scenario in most regions whose extreme precipitation regimes are strongly affected by ENSO in the boreal cold season. Extreme precipitation in the boreal cold season that exceeds historical thresholds is projected to become more common throughout the ENSO cycle. The difference in the intensity of extreme precipitation events that occur under El Niño and La Niña conditions will increase, resulting in “more extreme and more variable hydroclimate extremes.” We also consider the processes that affect the future intensity of extreme precipitation and how it varies with the ENSO cycle by partitioning changes into thermodynamic and dynamic components. The thermodynamic component, which reflects increases in atmospheric moisture content, results in a relatively uniform intensification of ENSO-driven extreme precipitation variation. In contrast, the dynamic component, which reflects changes in vertical motion, produces a strong regional difference in the response to forcing. In some regions, this component amplifies the thermodynamic-induced changes, while in others, it offsets them or even results in reduction in extreme precipitation variation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,306
Écart entre enseignants0,283 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207