Linking Historical and Projected Trends in Extreme Precipitation with Cumulative Carbon Dioxide Emissions
Notice bibliographique
Résumé
Extreme weather events are expected to increase in frequency and intensity in response to higher global temperatures, augmenting societal exposure to these events. While the magnitude of projected changes in extremes varies considerably among future emission scenarios, a large part of this uncertainty is driven by the choice of scenario, rather than by the climate response to a particular emission scenario. A growing body of research has identified robust linear relationships between climate changes and cumulative carbon emissions; for global average temperature change, this relationship is known as the transient climate response to cumulative carbon emissions (TCRE). Extensions of the TCRE framework to other variables, such as regional and seasonal temperature and precipitation changes, have also shown to be effective, raising the possibility that changes in weather extremes could be linked to cumulative carbon dioxide (CO2) emissions. Here, we estimate changes in historical and projected trends in one-day (Rx1day) and five-day maximum precipitation (Rx5day) events as a function of cumulative carbon emissions across a range of future emission scenarios and global climate models. Our results show that median Rx1day and Rx5day generally increases linearly with increasing cumulative emissions, consistent with studies that have previously employed the TCRE framework to estimate changes in precipitation extremes, as well as other climate indicators. Overall, we show that a linear response to cumulative CO2 emissions is a good approximation for both historical and future trends in 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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».