A climate sensitivity estimate using Bayesian fusion of instrumental observations and an Earth System model
Notice bibliographique
Résumé
Current climate model projections are uncertain. This uncertainty is partly driven by the uncertainty in key model parameters such as climate sensitivity ( CS ), vertical ocean diffusivity ( K v ), and strength of anthropogenic sulfate aerosol forcing. These parameters are commonly estimated using ensembles of model runs constrained by observations. Here we obtain a probability density function (pdf) of these parameters using the University of Victoria Earth System Climate Model (UVic ESCM) ‐ an intermediate complexity model with a dynamic three‐dimensional ocean. Specifically, we run an ensemble of UVic ESCM runs varying parameters that affect CS , ocean vertical diffusion, and the effects of anthropogenic sulfate aerosols. We use a statistical emulator that interpolates the UVic ESCM output to parameter settings where the model was not evaluated. We adopt a Bayesian approach to constrain the model output with instrumental surface temperature and ocean heat observations. Our approach accounts for the uncertainties in the properties of model‐data residuals. We use a Markov chain Monte Carlo method to obtain a posterior pdf of these parameters. The mode of the climate sensitivity estimate is 2.8°C, with the corresponding 95% credible interval ranging from 1.8 to 4.9°C. These results are generally consistent with previous studies. The CS pdf is sensitive to the assumptions about the priors, to the effects of anthropogenic sulfate aerosols, and to the background vertical ocean diffusivity. Our method can be used with more complex climate models.
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 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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».