MétaCan
Menu
Retour à la cohorte
Enregistrement W4408427078 · doi:10.5194/egusphere-egu25-11037

Atmospheric Rivers and Compound Inland Flooding under Climate Change

2025· preprint· en· W4408427078 sur OpenAlexaffabout
Mohammad Reza Najafi, Mohammad Fereshtehpour, Andrew Vincent Grgas-Svirac, Alex J. Cannon

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensEnvironment and Climate Change CanadaWestern University
Organismes subventionnairesnon disponible
Mots-clésSnowmeltEnvironmental scienceFlooding (psychology)Climate changePrecipitationFlood mythClimatologyStructural basinSnowGlobal warmingDrainage basinForcing (mathematics)Surface runoffHydrometeorologyRadiative forcingOceanographyGeographyGeologyEcologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Compound Inland Flooding (CIF) arises from the interactions between multiple hydrometeorological drivers, often magnified by landfalling Atmospheric Rivers (ARs) along the Pacific Northwest coast and interior basins of North America. This study investigates the mechanisms behind two primary CIF types, Rain-on-Snow (ROS) and Saturation Excess Flooding (SEF), using the CanRCM4 large ensemble under global warming levels of +1.5°C, +2°C, and +4°C. By examining the joint occurrence of ARs with ROS and SEF across key sub-regions, including the Cascade Range, Sierra Nevada, and the Great Lakes Basin, we assess the probabilities, seasonal shifts, and hydrological impacts of CIFs in the 21st century. Results show distinct regional patterns, with ROS events projected to decrease in frequency across the Pacific Northwest and Great Lakes Basin but remain significant in high-elevation regions prone to seasonal snowmelt, such as the Canadian Rockies. Conversely, SEF events are projected to increase substantially, particularly in the eastern U.S. and southern Great Lakes, driven by intensified precipitation and persistently saturated soils. The findings indicate that under higher warming levels, the contribution of ROS to extreme runoff can decrease, while SEF-driven flood events become dominant. Signal-to-noise ratio analysis shows that internal climate variability contributes considerable uncertainty to CIF projections in transitional climate zones but is overshadowed by external climate forcing at higher warming levels, particularly in coastal regions. By capturing the compounded effects of precipitation extremes, snowmelt dynamics, and soil moisture conditions, this study underscores the necessity of integrating AR-driven compound events into regional flood risk management strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,025
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,238 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFlood Risk Assessment and ManagementTravaux en français237 207