Detection and Attribution of Changes in Precipitation Extremes in China and Its Different Climate Zones
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Based on the observations and the phase 6 of Coupled Model Intercomparison Project (CMIP6) multimodel simulations, we conducted a detection and attribution analysis for the observed changes in intensity and frequency indices of extreme precipitation during 1961–2014 over the whole of China and within distinct climate regions across the country. A space–time analysis is simultaneously applied in detection so that spatial structure on the signals is considered. Results show that the CMIP6 models can simulate the observed general increases of extreme precipitation indices during the historical period except for the drying trends from southwestern to northeastern China. The anthropogenic (ANT) signal is detectable and attributable to the observed increase of extreme precipitation over China, with human-induced greenhouse gas (GHG) increases being the dominant contributor. Additionally, we also detected the ANT and GHG signals in China’s temperate continental, subtropical–tropical monsoon, and plateau mountain climate zones, demonstrating the role of human activity in historical extreme precipitation changes on much smaller spatial scales. Significance Statement The observed intensification of extreme precipitation globally has been attributed to human influences. Here, we demonstrate that anthropogenic forcing has discernably intensified extreme precipitation over the period 1961–2014, over China and in three of its four climate zones, with human-induced greenhouse gas increases being the dominant contributor. Our results strengthen the body of evidence that greenhouse gas increases are intensifying extreme precipitation by quantifying their role in observed changes at smaller regional scales than previously reported.
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.
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) | 0,000 | 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 découle