Towards identifying areas at climatological risk of desertification using the Köppen–Geiger classification and FAO aridity index
Notice bibliographique
Résumé
Over the past decades, a continuous rise in global air temperatures resulted in significant changes in the global hydrological cycle. Regionally increased frequencies of extreme weather events and changes in the regional extent of drylands resulted in new areas at risk of desertification, a complex process driven by socio-economic and climate-related factors. Although desertification is not confined to drylands, they are the most vulnerable to land degradation processes. To investigate possible changes in climate patterns over the past 60 years, we couple the information obtained from the Köppen–Geiger (KG) climate classification and the FAO aridity index (AI), providing an overview of the most evident global changes in climate regimes from 1951–1980 to 1981–2010 and focussing on the modifications of the extent of drylands. KG and AI indicators have been computed on a 0.5° × 0.5° global grid using precipitation data from the Full Data Reanalysis (v6.0) of the Global Precipitation Climatology Centre, and mean temperature and potential evapotranspiration data from the Climate Research Unit of the University of East Anglia (CRUTSv3.20). Both KG and AI show that the arid areas globally increased between 1951–1980 and 1981–2010, but decreased on average in the Americas. North-Eastern Brazil, Southern Argentina, the Sahel, Zambia and Zimbabwe, the Mediterranean area, North-Eastern China and Sub-Himalayan India have been identified as areas with a significant increase of drylands extent. An analysis of the scientific literature gives evidence that most of the areas identified are effectively undergoing desertification, thus confirming the validity of AI and KG to highlight the areas under risk of desertification. We also discuss the global decrease of cold areas, the progressive change from continental to temperate climate in Central Europe, the shift from tundra to continental climate in Alaska, Canada and North-Eastern Russia and the widening of the tropical belt.
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 | 0,000 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,001 | 0,001 |
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 ».