The Attribution of February Extremes over North America: A Forecast-Based Storyline Study
Notice bibliographique
Résumé
Abstract The importance of extreme event attribution rises as climate change causes severe damage to populations resulting from unprecedented events. In February 2019, a planetary wave shifted along the U.S.–Canadian border, simultaneously leading to troughing with anomalous cold events and ridging over Alaska and northern Canada with abnormal warm events. Also, a dry-stabilized anticyclonic circulation over low latitudes induced warm extreme events over Mexico and Florida. Most attribution studies compare the climate model simulations under natural or actual forcing conditions and assess probabilistically from a climatological point of view. However, in this study, we use multiple ensembles from an operational forecast model, promising statistical as well as dynamically constrained attribution assessment, often referred to as the storyline approach to extreme event attribution. In the globally averaged results, increasing CO2 concentrations lead to distinct warming signals at the surface, resulting mainly from diabatic heating. Our study finds that CO2-induced warming eventually affects the possibility of extreme events in North America, quantifying the impact of anthropogenic forcing over less than a week’s forecast simulation. Our study assesses the validity of the storyline approach conditional on the forecast lead times, which is hindered by rising noise in CO2 signals and the declining performance of the forecast model. The forecast-based storyline approach is valid for at least half of the land area within a 6-day lead time before the target extreme occurrence. Our attribution results highlight the importance of achieving net-zero emissions ahead of schedule to reduce the occurrence of severe heatwaves.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».