MétaCan
Menu
Retour à la cohorte
Enregistrement W2310556434 · doi:10.5194/acp-16-7559-2016

Strong modification of stratospheric ozone forcing by cloud and sea-ice adjustments

2016· article· en· W2310556434 sur OpenAlexafffund
Yongyun Hu, Yi Huang

Notice bibliographique

RevueAtmospheric chemistry and physics · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésRadiative forcingEnvironmental scienceAtmospheric sciencesClimatologyCloud forcingSea iceForcing (mathematics)StratosphereClimate modelOzone depletionRadiative transferOzone layerClimate changeGeologyOceanographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. We investigate the climatic impact of stratospheric ozone recovery (SOR), with a focus on the surface temperature change in atmosphere–slab ocean coupled climate simulations. We find that although SOR would cause significant surface warming (global mean: 0.2 K) in a climate free of clouds and sea ice, it causes surface cooling (−0.06 K) in the real climate. The results here are especially interesting in that the stratosphere-adjusted radiative forcing is positive in both cases. Radiation diagnosis shows that the surface cooling is mainly due to a strong radiative effect resulting from significant reduction of global high clouds and, to a lesser extent, from an increase in high-latitude sea ice. Our simulation experiments suggest that clouds and sea ice are sensitive to stratospheric ozone perturbation, which constitutes a significant radiative adjustment that influences the sign and magnitude of the global surface temperature change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric Ozone and ClimateTravaux en français237 207