Attribution of extreme winds during 2022 post-tropical cyclone Fiona in Atlantic Canada
Notice bibliographique
Résumé
Abstract Hurricane Fiona, which made landfall as a post-tropical cyclone in Atlantic Canada, on the 24th of September 2022, became the costliest natural disaster in Atlantic Canada causing $900 million in insured losses in the region. Fiona set the new Canadian record for the lowest atmospheric pressure ever recorded on land, and caused extensive wind damage and coastal flooding, driven by large waves and destructive storm surge. In this study, we show that the maximum wind speeds observed on the 24th of September 2022 were roughly a once-in-a-century event for the hurricane season in Atlantic Canada, based on the ERA5 reanalysis data. Using the wind speed data obtained from high resolution model intercomparison project (HighResMIP) simulations, we assess whether human-caused climate change has influenced the probability of extreme winds comparable to those observed in Atlantic Canada following Fiona’s landfall. We find that differences in how daily mean wind speed is derived across the CMIP6 models prevent this variable from being combined into a multi-model ensemble. Instead, we use daily maximum wind speed, which is more consistently derived. Our analysis indicates that HighResMIP models simulate a statistically significant increase in the likelihood of maximum wind speeds during the hurricane season (June-October) in Atlantic Canada in the current climate compared to the climate of 1950-1979.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».