Framing Extreme Precipitation Events in the Context of Cumulative Emissions
Notice bibliographique
Résumé
Heavy to extreme precipitation events are often-destructive forms of weather that, despite their infrequency, can lead to significant losses of human life and infrastructural damage. Such events are expected to increase in a warmer world as cumulative carbon emissions continue to rise. However, the extent to which this increase occurs varies considerably across scenarios and spatial scales, especially for the most extreme precipitation. The Transient Response to Cumulative CO2 Emissions (TCRE) has proven to be a powerful metric that characterizes the linear response of global mean temperature to cumulative carbon emissions, and previous research has shown its potential applicability to other climate indicators, such as regional temperature and precipitation, and heat extremes. By using simulations from nine Coupled Model Intercomparison Project Phase 5 (CMIP5) models, I intend to quantify extreme precipitation indices of one-day maximum (Rx1day) and five-day maximum (Rx5day) events against cumulative CO2 emissions. I show that the TCRE framework can be applied to represent changes in these precipitation extremes, with validation of this approach at sub-global scales across emissions scenarios. In Chapter 3, I determine whether precipitation extremes respond linearly to cumulative CO2 emissions, at global to local scales, using simple linear regression modelling. In Chapter 4, I conduct a Generalized Extreme Value (GEV) analysis to model the behavior of the most extreme values of Rx1day and Rx5day and evaluate whether trends in location parameter estimates and specified return levels can be approximated by (regional) TCRE values. For Chapter 5, I extend this analysis to estimate remaining carbon budgets (RCBs) associated with avoiding particular extreme precipitation levels. Overall, my results suggest that extreme precipitation work well within a TCRE framework, and that global and sub-global changes can be well approximated by linear responses to cumulative CO2 emissions, though with less robustly linear trends at local scales. My results further highlight that location parameter estimates and return levels of Rx1day and Rx5day scale approximately linearly to increasing cumulative carbon emissions. My findings also show that RCBs are generally small to avoid specified present-day 20-year and 100-year return levels. This suggests that such events are becoming commonplace with global warming.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».