MétaCan
Menu
← Retour à la cohorte
Enregistrement W2494410721 · doi:10.1002/2016jd025231

Monotonic decrease of the zonal SST gradient of the equatorial Pacific as a function of CO<sub>2</sub> concentration in CCSM3 and CCSM4

2016· article· en· W2494410721 sur OpenAlexafffund
Jun Yang, Wm. Richard Peltier, Yongyun Hu

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Scholarship CouncilUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCompute Canada
Mots-clésSea surface temperatureThermoclineClimatologyUpwellingEnvironmental scienceWalker circulationForcing (mathematics)Atmospheric sciencesClimate modelTemperature gradientAtmosphere (unit)GeologyClimate changeOceanographyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The west‐east sea surface temperature (SST) gradient in the equatorial Pacific Ocean is a key feature of Earth's climate. How this gradient responds to varying climatic forcing is a challenge to both climate theory and climate modeling. Using the coupled atmosphere‐ocean general circulation models, Community Climate System Model version 3 (CCSM3) and version 4 (CCSM4), we show that the zonal SST gradient is an almost monotonically decreasing function of atmospheric CO2 concentration (pCO2) across a wide range from 17.5 to 4576 ppmv. As pCO2 is increased, the optical depth of clouds over the western and central Pacific increases significantly, reflecting more insolation back to space, suppressing surface warming in this region and thereby reducing the zonal SST gradient. Ocean adjustment to a weakening of surface zonal winds is characterized by relaxations of the equatorial thermocline tilt, zonal surface currents, and ocean upwelling.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,277
Écart entre enseignants0,255 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Atmospheres→Même sujetClimate variability and models→Travaux en français237 207→