MétaCan
Menu
Retour à la cohorte
Enregistrement W2793387090 · doi:10.1038/s41598-018-22841-5

A Possible Role of Dust in Resolving the Holocene Temperature Conundrum

2018· article· en· W2793387090 sur OpenAlexaff
Yonggang Liu, Ming Zhang, Zhengyu Liu, Yan Xia, Yi Huang, Yiran Peng, Jiang Zhu

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHoloceneNorthern HemisphereClimatologyEnvironmental scienceGeneral Circulation ModelClimate modelAtmospheric sciencesAtmosphere (unit)Holocene climatic optimumClimate changeGeologyOceanographyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Climate models generally fail to produce a warmer (by as much as 0.5 °C) early to mid-Holocene than the pre-industrial in the global annual temperature, which has been termed the Holocene temperature conundrum. Here we use a fully coupled atmosphere-ocean general circulation model to test whether the conundrum can be partially resolved by considering the fact that atmospheric dust loading was much reduced during the early to mid-Holocene. Our experiments show that the global annual mean surface temperature increases by 0.30 °C and 0.23 °C for the mid-Holocene (6 ka) and early Holocene (9 ka), respectively, if the dust is completely removed. The temperature increase scales almost linearly with the fraction of dust being removed, with the 50% dust reduction experiment for the 6 ka being the only one deviating from the linear trend. The indirect effect of dust, which is highly uncertain and is not included in the model, may further enhance the warming. Therefore, the neglect of dust reduction in the Holocene in climate models could contribute significantly to the model-data discrepancy, especially in the Northern Hemisphere.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,227 · 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

Citations68
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207