Expanding Amazon dry-hot season under anthropogenic climate change
Notice bibliographique
Résumé
The Amazon rainforest, a crucial global carbon sink, plays a vital role in the global climate system. As ongoing climate change and local deforestation push the Amazon toward a critical tipping point, understanding the region's changing climate patterns becomes increasingly important. In this study, we reveal a significant expansion of the dry-hot season across the Amazon rainforest from 1980-2022, creating prolonged adverse climate conditions for the ecosystem and local communities. A machine learning clustering algorithm is used to define the dry-hot season automatically by considering the temperature, precipitation, and soil moisture simultaneously.The land-atmosphere interaction predominates the dry-hot season expansion in the Amazon. During the dry season (Aug-Oct), the daily maximum temperature has warmed by ~1 degree per decade, much faster than that in the wet seasons (~0.4 degree per decade). By the surface heat budget analysis, we found that intensive dry-season warming is predominantly driven by reduced evapotranspiration, leading to decreased surface latent heat flux and increased shortwave radiation due to diminished cloud cover. The declining evapotranspiration rates stem from a combination of increasing soil moisture deficits and local deforestation.By large-ensemble climate model simulations, we further demonstrate that this dry-hot season expansion is highly unlikely to occur without anthropogenic climate change and this expansion will exacerbate under future warming scenarios. By single-forcing experiment, we further confirm the critical role of local deforestation in amplifying this expansion. These findings emphasize the urgent need for targeted mitigation and adaptation strategies to protect this vital ecosystem from the compounding effects of climate change and deforestation.
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 | 0,000 | 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) | 0,001 | 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 ».