Intensifying Extreme Rainfall Will Threaten the Socioeconomic Development of the Yangtze River Basin
Notice bibliographique
Résumé
ABSTRACT The Yangtze River Basin (YRB) has always been characterised by the abundant rainfall. The rainfall in YRB will become more extreme in the future. An extreme rainfall projection and risk analysis (ERPR) approach is developed to identify the future extreme heavy rainfall (ER), decompose the spatio‐temporal features for ER indices (ERI), explore the role of abnormal sea level pressure (SLP) on ER and quantify the ER risks (ERR) to society and economics. Results suggest that the ERI will increase in the future. The highest ERI is projected under SSP585, which is 1.2 times greater than the baseline. High ERIs are more likely to be concentrated in the southern and eastern YRB. Based on empirical orthogonal function (EOF) decomposition, the spatial heterogeneity of ERI is projected to decline in the future. The homogenous distribution pattern accounts for an average of 11.76%. SLP anomaly is supposed to be a pre‐signal for ER. The earliest signal is detected in SSP126 and SSP585. The ERR is higher in the long‐term future; it is 1.63 times higher than the short‐term ERR. The Yangtze River Delta is projected to undertake the highest risk caused by ER in the future. The ERPR provides a comprehensive analysis for regional climate extremes. It is applicable to other climate extremes in other regions. It is expected to help improve the climate risk management system.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».