MétaCan
Menu
Retour à la cohorte
Enregistrement W2892099838 · doi:10.1029/2018gl078841

No Impact of Anthropogenic Aerosols on Early 21st Century Global Temperature Trends in a Large Initial‐Condition Ensemble

2018· article· en· W2892099838 sur OpenAlexafffundabout
Thomas Oudar, Paul J. Kushner, John C. Fyfe, Michael Sigmond

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesEnvironment and Climate Change CanadaNational Aeronautics and Space Administration
Mots-clésRadiative forcingClimatologyForcing (mathematics)Pacific decadal oscillationSpurious relationshipEnvironmental scienceClimate modelClimate systemAtlantic multidecadal oscillationAerosolAtmospheric sciencesClimate changeEl Niño Southern OscillationMeteorologyNorth Atlantic oscillationGeographyGeologyOceanographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Anthropogenic‐aerosol (AA) radiative forcing modulates multidecadal greenhouse radiative forcing. However, decadal climate responses to AA are poorly characterized given AA forcing uncertainty and internal climate variability. This motivates revisiting a recent claim that AA drove a negative trend in the Pacific Decadal Oscillation and an associated cooling influence in the 10–15 years following the late‐1990's El Niño. The average of a 50‐member initial condition ensemble of the second generation Canadian Earth System Model version 2 that was forced only with AA does not exhibit the negative‐Pacific Decadal Oscillation/slowdown response. However, spurious responses of this kind, that are artifacts of subsetting the large ensemble (LE) in a manner consistent with published literature, can readily be found. This illustrates the caution needed in interpreting regional‐ and decadal‐scale responses to AA and suggests that improved characterization of model uncertainty in AA over the recent period is required.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
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 savante0,0010,001
Science ouverte0,0000,001
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 Opus0,021
Tête enseignante GPT0,331
Écart entre enseignants0,310 · 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'étudeSimulation ou modélisation
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

Citations32
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207