MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392776243 · doi:10.5194/egusphere-egu24-15334

Changes in land-atmosphere coupling may amplify increases in very rare temperature extremes

2024· preprint· en· W4392776243 sur OpenAlexaboutno aff
Douglas Maraun, R. Schiemann, Albert Ossó, Martin Jury

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésAtmosphere (unit)Coupling (piping)Environmental scienceAtmospheric sciencesClimatologyMeteorologyMaterials scienceGeographyPhysicsGeologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Extreme heat events are becoming more severe. Attribution studies have demonstrated the effect of anthropogenic climate change on recent devastating events, including the heat waves in Canada in 2021, Northern India in 2022 and the Western Mediterranean in 2023. Such impactful events are very rare with return periods of 100 years and more even in present climate. Their rareness is in stark contrast to the typically considered return periods ranging from less than a year to maybe 20 years. This choice might often be inevitable because of practical limitations, mainly the length of observational and climate model records. But generalising from such analyses to extreme events in general tacitly assumes that very rare events respond to climate change in a similar way as the analysed moderate extreme events. Several studies investigating land-atmosphere feedbacks and atmospheric circulation changes indicate, however, that this assumtion may not be justified.Here we use three single model initial condition large ensembles (SMILES) to assess differences between projected changes in moderate heat extremes (represented by 2-year return values of the hottest day in a year) and very rare extreme events (represented by corresponding 200-year return values). We analyse changes from 1990-2014 to 2075-2099 according to the SSP5-8.5 scenario.We find large regions where projected changes in very extreme events are markedly different - both stronger or weaker - to those in moderate extreme events. Model uncertainty about these differences is very high though: all considered SMILES suggest that such regions exist, but they do not agree on the locations. The underlying mechanisms, however, are robust across models: in regions of increasing soil moisture temperature coupling strength, changes in very rare events can be almost twice as high as those in moderate extremes. Vice versa, in regions of decreasing coupling strength, changes may be much weaker. These changes can to a large extent be traced back to changes in precipitation patterns, highlighting the role of atmospheric circulation changes. The corresponding patterns emerge already over shorter time horizons and are thus relevant for mid-century projections, low emission scenarios and event attribution studies. Robust inference about these differences is impossible based on individual model simulations, but requires the sample size of SMILES. Not accounting for these changes could lead to a dramatic misrepresentation of future climate risks from heat events. Our findings therefore confirm the importance of studies specifically targeting very extreme events.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,257
Écart entre enseignants0,232 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→