MétaCan
Menu
Retour à la cohorte
Enregistrement W2728570713 · doi:10.1038/ncomms16020

Greening of the Sahara suppressed ENSO activity during the mid-Holocene

2017· article· en· W2728570713 sur OpenAlexaff
Francesco S. R. Pausata, Qiong Zhang, Francesco Muschitiello, Zhengyao Lu, Léon Chafik, Eva M Niedermeyer, J. Curt Stager, K. M. Cobb, Zhengyu Liu

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNational Science CouncilSvenska Forskningsrådet FormasVetenskapsrådetBelmont ForumNational Science Foundation
Mots-clésHoloceneClimatologyOrbital forcingInsolationPaleoclimatologyForcing (mathematics)El Niño Southern OscillationEnvironmental scienceMonsoonWalker circulationClimate changeClimate modelMultivariate ENSO indexClimate stateGeneral Circulation ModelAtmospheric sciencesGeologyGlobal warmingOceanographyEffects of global warmingSouthern oscillation

Résumé

récupéré en direct d'OpenAlex

The evolution of the El Niño-Southern Oscillation (ENSO) during the Holocene remains uncertain. In particular, a host of new paleoclimate records suggest that ENSO internal variability or other external forcings may have dwarfed the fairly modest ENSO response to precessional insolation changes simulated in climate models. Here, using fully coupled ocean-atmosphere model simulations, we show that accounting for a vegetated and less dusty Sahara during the mid-Holocene relative to preindustrial climate can reduce ENSO variability by 25%, more than twice the decrease obtained using orbital forcing alone. We identify changes in tropical Atlantic mean state and variability caused by the momentous strengthening of the West Africa Monsoon (WAM) as critical factors in amplifying ENSO's response to insolation forcing through changes in the Walker circulation. Our results thus suggest that potential changes in the WAM due to anthropogenic warming may influence ENSO variability in the future as well.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,035
Tête enseignante GPT0,305
Écart entre enseignants0,270 · 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

Citations91
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207