Compound hydrological and thermal extremes: A nonstationary risk modeling approach for riverine ecosystems
Notice bibliographique
Résumé
The increasing frequency and severity of compound hydro-climatic extremes pose a growing threat to cold-water aquatic ecosystems. This study develops a nonstationary multivariate risk modeling framework to assess the joint behavior of extreme summer river water temperature (Tw) and concurrent low flow (Q) in six unregulated Atlantic salmon rivers in eastern Canada. A dynamic additive copula approach is employed to model both the structure dependence and nonstationarity, with time-varying effects modeled via large-scale climate oscillation indices (teleconnections) and a temporal trend representing climate change. The proposed joint nonstationary model ( J NS ) is benchmarked against a joint stationary model ( J S ) and a univariate nonstationary model ( U NS ). Results show that J NS systematically outperforms both alternatives across all study sites. Temporal trends significantly increased Tw extremes at most rivers, while teleconnections emerged as dominant drivers of variability. Negative phases of the Southern Oscillation Index (SOI, El Niño conditions) and the North Atlantic Oscillation Index (NAO) increase the variability of Tw and low-flow events, respectively, while positive phases of the SOI (La Niña conditions) and NAO are associated with elevated joint and conditional exceedance probabilities, rising by up to 66 % in the Restigouche River and 45 % in the Highland River. By linking joint extremes to both long-term warming and oscillatory climate patterns, the study provides a predictive framework for anticipating compound risks and protecting thermally sensitive aquatic habitats under ongoing climate change and variability. • A dynamic copula model is developed for joint summer elevated Tw and corresponding low Q. • Nonstationarity is driven by trends and teleconnections within the study region. • Negative SOI and NAO phases increase Tw and low flow variability, respectively. • Positive SOI and NAO phases increase joint and conditional exceedance probabilities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».