MétaCan
Menu
Retour à la cohorte
Enregistrement W4409666297 · doi:10.1038/s41467-025-58544-5

Rapid flips between warm and cold extremes in a warming world

2025· article· en· W4409666297 sur OpenAlexaff
Sijia Wu, Ming Luo, Gabriel Ngar‐Cheung Lau, Wei Zhang, Lin Wang, Zhen Liu, Lijie Lin, Yijing Wang, Erjia Ge, Jianfeng Li, Yuanchao Fan, Yimin Chen, Weilin Liao, Xiaoyu Wang, Xiaocong Xu, Zhixin Qi, Ziwei Huang, Faith Ka Shun Chan, David Yongqin Chen, Xiaoping Liu, Tao Pei

Notice bibliographique

RevueNature Communications · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGlobal warmingWarming upClimate changeBiologyEcologyPhysiology

Résumé

récupéré en direct d'OpenAlex

Rapid temperature flips are sudden shifts from extreme warm to cold or vice versa–both challenge humans and ecosystems by leaving a very short time to mitigate two contrasting extremes, but are yet to be understood. Here, we provide a global assessment of rapid temperature flips from 1961 to 2100. Warm-to-cold flips favorably follow wetter and cloudier conditions, while cold-to-warm flips exhibit an opposite feature. Of the global areas defined by the Intergovernmental Panel on Climate Change, over 60% have experienced more frequent, intense, and rapid flips since 1961, and this trend will expand to most areas in the future. During 2071–2100 under SSP5-8.5, we detect increases of 6.73–8.03% in flip frequency (relative to 1961–1990), 7.16–7.32% increases in intensity, and 2.47–3.24% decreases in transition duration. Global population exposure will increase over onefold, which is exacerbated in low-income countries (4.08–6.49 times above the global average). Our findings underscore the urgency to understand and mitigate the accelerating hazard flips under global warming. Rapid temperature flips between hot and cold extremes will become more frequent, more intense, and more rapid globally by the end of the twenty-first century, which is exacerbated in world’s breadbasket regions and low-income countries.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,038
Tête enseignante GPT0,304
Écart entre enseignants0,266 · 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

Citations38
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetClimate variability and modelsTravaux en français237 207