Atmospheric Rivers as Triggers of Compound Flooding: Quantifying Extreme Joint Events in Western North America Under Climate Change
Notice bibliographique
Résumé
Abstract. Atmospheric Rivers (ARs) are narrow bands of concentrated moisture that transport water vapor from the tropics to higher latitudes. They are responsible for ~90 % of poleward water vapor transport and play a vital role in water resource management along the North American west coast. While ARs significantly contribute to regional water supplies, they are also major drivers of flooding. This study investigates the extent to which ARs contribute to compound inland flooding (CIF) events where multiple drivers intensify flood risks, namely Rain on Snow (ROS) and Saturation Excess Flooding (SEF) events. Furthermore, the influence of internal climate variability is investigated relative to anthropogenic climate change. Using the CanRCM4 Large Ensemble simulations, we analyze the frequency and seasonality of AR-driven CIF events in Western North American coastal areas, with a focus on understanding how ARs interact with additional factors such as snowpack and soil moisture. ARs are shown to be dominant drivers of CIF events by contributing to the development and intensification of these events. These conditions also shape the seasonality and intensity of AR-driven CIFs. Projections suggest that internal climate variability can significantly contribute to future uncertainty in CIF frequency and intensity, complicating efforts to predict and mitigate these events. The findings underscore the importance of integrating AR-related flooding risks into flood management strategies and infrastructure design to adapt to a changing climate.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».