Potential benefits of limiting global warming for the mitigation of temperature extremes in China
Notice bibliographique
Résumé
Abstract In this study, we attempt to quantify the potential impacts of two global warming levels (i.e., 1.5 °C and 2.0 °C) on extreme temperature indices across China. The CMIP6 dataset is first evaluated against the CN05.1 observation for the historical period of 1995–2014. Then, future spatiotemporal patterns of changes in extreme temperature at two global warming levels under two shared socio-economic pathway scenarios (SSP245 and SSP585) are further analyzed. Overall, China will experience more frequent and intense high temperature events, such as summer days (SU), tropical nights (TR), warm days (TX90p) and nights (TN90p). On the other hand, under the SSP585, the number of icing days and frost days is projected to decrease at two global warming levels, with the maximal days of decrease (exceeding 20 days) seen in the west of China. Our results suggest that limiting global warming to 1.5 °C rather than 2.0 °C is beneficial to reduce extreme temperature risks. As temperature increases to 1.5 °C and then 2.0 °C above preindustrial levels, the most extreme temperature indices are expected to increase proportionately more during the final 0.5° than during the first 1.5° across most regions of China. For some warm indices, such as the warmest day (TXx), summer days (SU), and warm days (TX90p), the largest incremental changes (from 1.5° to 2.0°) tend to be found in the southwest. Under the SSP585, the incremental changes are similar to the change in the SSP245, but smaller magnitude and spatial extent.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».