Attribution of Arctic Sea Ice Decline from 1953 to 2012 to Influences from Natural, Greenhouse Gas, and Anthropogenic Aerosol Forcing
Notice bibliographique
Résumé
The paper presents results from a climate change detection and attribution study on the decline of Arctic sea ice extent in September for the 1953–2012 period. For this period three independently derived observational datasets and simulations from multiple climate models are available to attribute observed changes in the sea ice extent to known climate forcings. Here we direct our attention to the combined cooling effect from other anthropogenic forcing agents (mainly aerosols), which has potentially masked a fraction of greenhouse gas–induced Arctic sea ice decline. The presented detection and attribution framework consists of a regression model, namely, regularized optimal fingerprinting, where observations are regressed onto model-simulated climate response patterns (i.e., fingerprints). We show that fingerprints from greenhouse gas, natural, and other anthropogenic forcings are detected in the three observed records of Arctic sea ice extent. Beyond that, our findings indicate that for the 1953–2012 period roughly 23% of the greenhouse gas–induced negative sea ice trend has been offset by a weak positive sea ice trend attributable to other anthropogenic forcing. We show that our detection and attribution results remain robust in the presence of emerging nonstationary internal climate variability acting upon sea ice using a perfect model experiment and data from two large ensembles of climate simulations.
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 | 0,000 | 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) | 0,001 | 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 ».