MétaCan
Menu
Retour à la cohorte
Enregistrement W2791590178 · doi:10.1002/2017jd027221

On the pattern of CO<sub>2</sub> radiative forcing and poleward energy transport

2017· article· en· W2791590178 sur OpenAlexaff
Yi Huang, Xiaoxiao Tan

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRadiative forcingForcing (mathematics)Cloud forcingCloud feedbackEnvironmental scienceAtmospheric sciencesClimatologyAlbedo (alchemy)Radiative transferAtmosphere (unit)Climate modelClimate changePhysicsMeteorologyGeologyClimate sensitivityAerosol

Résumé

récupéré en direct d'OpenAlex

Abstract A set of general circulation model experiments are conducted to analyze how the poleward energy transport (PET) is related to the spatial pattern of CO 2 radiative forcing. The effects of forcing pattern are affirmed by comparing the conventional doubling CO 2 experiment, in which the forcing pattern is inhomogeneous, to a set of forcing homogenization experiments, in which the top of atmosphere (TOA), surface, or atmospheric forcing distribution is homogenized respectively. In addition, we separate and compare the effects of CO 2 forcing to various feedbacks on atmospheric and oceanic PETs, by using a set of radiative kernels that we have developed for both TOA and surface radiation fluxes. The results here show that both the enhancement of atmospheric PET and weakening of oceanic PET during global warming are directly driven by the meridional gradients of the CO 2 forcing. Interestingly, the overall feedback effect is to reinforce the forcing effect, mainly through the cloud feedback in the case of atmospheric PET and the albedo feedback in the case of the oceanic PET. Contrary to previous studies, we find that the water vapor feedback only has a weak effect on atmospheric PET. The Arctic warming amplification, which strongly affects atmospheric PET, is sensitive to the CO 2 forcing pattern.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,273
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 tête enseignante, 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

Citations146
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207