Extrapolation is not enough: impacts of extreme land use change on wind profiles and wind energy according to regional climate models
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. Humans change climate in many ways. In addition to greenhouse gases, climate models must therefore incorporate a range of other forcings, such as land use change. While studies typically investigate the joint effects of all forcings, here we isolate the impact of afforestation and deforestation on winds in the lowermost 350 m of the atmosphere to assess the relevance of land use change for large-scale wind energy assessments. We use vertically resolved sub-daily output from two regional climate models instead of extrapolating near-surface winds with simplified profiles. Comparing two extreme scenarios, we report that afforestation reduces wind speeds by more than 1 m s−1 in many locations across Europe, even 300 m above ground, underscoring its relevance at hub heights of current and future wind turbines. We show that standard extrapolation with modified parameters approximates long-term means well but fails to capture essential spatio-temporal details, such as changes in the daily cycle, and it is thus insufficient to estimate wind energy potentials. Using adjacent climate model levels to account for spatio-temporal wind profile complexity, we report that wind energy capacity factors are strongly impacted by afforestation and deforestation: they differ by more than 0.1 in absolute terms and up to 50 % in relative terms. Our results confirm earlier studies showing that land use change impacts on wind energy can be severe and that they are generally misrepresented with common extrapolation techniques.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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