Response to marine cloud brightening in a multi-model ensemble
Notice bibliographique
Résumé
Abstract. Here we show results from Earth system model simulations from the marine cloud brightening experiment G4cdnc of the Geoengineering Model Intercomparison Project (GeoMIP). The nine contributing models prescribe a 50 % increase in the cloud droplet number concentration (CDNC) of low clouds over the global oceans in an experiment dubbed G4cdnc, with the purpose of counteracting the radiative forcing due to anthropogenic greenhouse gases under the RCP4.5 scenario. The model ensemble median effective radiative forcing (ERF) amounts to −1.9 W m−2, with a substantial inter-model spread of −0.6 to −2.5 W m−2. The large spread is partly related to the considerable differences in clouds and their representation between the models, with an underestimation of low clouds in several of the models. All models predict a statistically significant temperature decrease with a median of (for years 2020–2069) −0.96 [−0.17 to −1.21] K relative to the RCP4.5 scenario, with particularly strong cooling over low-latitude continents. Globally averaged there is a weak but significant precipitation decrease of −2.35 [−0.57 to −2.96] % due to a colder climate, but at low latitudes there is a 1.19 % increase over land. This increase is part of a circulation change where a strong negative top-of-atmosphere (TOA) shortwave forcing over subtropical oceans, caused by increased albedo associated with the increasing CDNC, is compensated for by rising motion and positive TOA longwave signals over adjacent land regions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».