Frequency Rather Than Intensity Drives Projected Changes of Rainfall Events in Brazil
Notice bibliographique
Résumé
Abstract Extreme rainfall events are expected to intensify with global warming, posing significant challenges to both human and natural environments. Despite the importance of such assessments, they are unevenly widespread across the globe. Here, using bias corrected climate simulations of the latest phase of the Coupled Model Intercomparison Project (CMIP6), we provide a comprehensive assessment on how different rainfall events are expected to change across Brazil. Specifically, (a) we explored the projected changes in both intensity and frequency of rainfall events belonging to the right‐tail of the rainfall distribution using a non‐parametric approach, and (b) quantified how rainfall events associate with different return periods are expected to intensify, using a parametric approach. We found that extreme rainfall events will become more frequent and intense by the end of the century, with averaged projected changes for rainfall exceeding the historical rainfall quantile q 0.99 of nearly 100% and 10% on frequency and intensity, respectively. Non‐extreme rainfall events, in contrast, are expected to be less frequent, aligning with the compensation hypothesis. For instance, Brazilian 100‐year rainfall are anticipated to intensify, on average, 17% and 31% under the moderate and the highest CMIP6 emission scenarios, respectively. Finally, our findings suggest that frequency, rather than intensity, dictates the projected changes of rainfall. We believe that the evidence gathered here will certainly contribute to not only an improved understanding of Brazilian rainfall events but also to a better comprehension of the different rainfall properties, their interplay and how the different ways of assessing them may affect climate studies.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».