.png){kind=icon}
返回
Dynamically-Informed Extreme Event Attribution Using Circulation Imprints
.png){kind=icon}
OA
AI
DOI：10.1029/2025GL116869.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新颖的极端事件归因方法，用于区分极端事件概率变化中的动力机制贡献与其他贡献。事件特定的多变量环流印记被关联到与影响相关的危险指数，在一个灵活的框架中进行演示，我们以三个近期的高影响极端事件为例：2025年洛杉矶野火、2024年西班牙洪水以及2023年的Ciarán风暴。动力机制贡献被识别为极端事件有利印记的发生变化，并从改变动力强迫向地表极端事件转换的 thermodynamic 和其他贡献中分离出来。我们发现气候变化对类似洛杉矶野火的事件有明确的贡献，对类似Ciarán风暴的事件有所减少，而对类似西班牙洪水的事件则无明显作用。这些结论与以往对这些事件的归因存在相似和差异，环流印记方法识别出的动力机制变化作用较以往方法更为显著。
Keyword:
attribution
dynamics
extreme event
wildfire
flood
windstorm
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.5K
被引数:
13.6W
机构
引用论文
暂无论文信息