Attribution of the 2024 record-breaking precipitation event in Southern Denmark to human-induced climate change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An increase in the frequency and severity of extreme weather events has been reported across the globe. These events threaten society through hazards like floods and droughts, underscoring the need to understand how such risks are evolving in a changing climate. Standardized methods have recently been introduced to assess the potential role of climate change for extreme events. The World Weather Attribution (WWA) offers a probabilistic framework to determine whether changes in the frequency and severity of extremes can be attributed to anthropogenic warming. Here we use this methodology to attribute an unprecedented rainfall event in Southern Denmark to anthropogenic climate change. On September 27, 2024, approx. 145 mm of rainfall fell over the city of Esbjerg, marking the highest daily rainfall on record for September. The event caused widespread flooding, disrupting transportation, damaging infrastructure, and affecting residential areas. This study draws on rainfall observations, reanalysis datasets, and climate model ensembles to assess the role of anthropogenic climate change. Notably, this is the first attribution study to apply ClimEx, a high-resolution, regional single-model initial-condition large ensemble (SMILE). The results of the analysis show that the rainfall event was 60 % (−20 %–540 %) more likely in the current climate compared to a pre-industrial climate, and that the intensity of the event increased by 10.2 % (−3.3 %–25.6 %) due to climate change. Our findings also indicate that the frequency and intensity of such events increase with further warming. Overall, this study highlights how hazards, exposure, and vulnerabilities contribute to risk in cities.
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.
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 | 0,001 | 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 | 0,000 |
| 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 découle