The influence of non-CO <sub>2</sub> forcings on cumulative carbon emissions budgets
Notice bibliographique
Résumé
Carbon budgets provide a useful tool for policymakers to help meet the global climate targets, as they specify total allowable carbon emissions consistent with limiting warming to a given temperature threshold. Non-CO2 forcings have a net warming effect in the Representative Concentration Pathways (RCP) scenarios, leading to reductions in remaining carbon budgets based on CO2 forcing alone. Carbon budgets consistent with limiting warming to below 2.0 °C, with and without accounting for the effects of non-CO2 forcings, were assessed in inconsistent ways by the Intergovernmental Panel on Climate Change (IPCC), making the effects of non-CO2 forcings hard to identify. Here we use a consistent approach to compare 1.5 °C and 2.0 °C carbon budgets with and without accounting for the effects of non-CO2 forcings, using CO2-only and RCP8.5 simulations. The median allowable carbon budgets for 1.5 °C and 2.0 °C warming are reduced by 257 PgC and 418 PgC, respectively, and the uncertainty ranges on the budgets are reduced by more than a factor of two when accounting for the net warming effects of non-CO2 forcings. While our overall results are consistent with IPCC, we use a more robust methodology, and explain the narrower uncertainty ranges of carbon budgets when non-CO2 forcings are included. We demonstrate that most of the reduction in carbon budgets is a result of the direct warming effect of the non-CO2 forcings, with a secondary contribution from the influence of the non-CO2 forcings on the carbon cycle. Such carbon budgets are expected to play an increasingly important role in climate change mitigation, thus understanding the influence of non-CO2 forcings on these budgets and their uncertainties is critical.
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 | 0,001 | 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 | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».