MétaCan
Menu
Retour à la cohorte
Enregistrement W2957157503 · doi:10.1029/2019jd030689

Decelerated Greenland Ice Sheet Melt Driven by Positive Summer North Atlantic Oscillation

2019· article· en· W2957157503 sur OpenAlexaff
Ruomei Ruan, Xianyao Chen, Jinping Zhao, William Perrie, Ruth Mottram, Minghong Zhang, Yina Diao, Ling Du, Lixin Wu

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Oceanic and Atmospheric AdministrationNational Natural Science Foundation of China
Mots-clésGreenland ice sheetClimatologyAtlantic multidecadal oscillationNorth Atlantic oscillationClimate changeEnvironmental scienceIce sheetGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract The abrupt deceleration of accelerated Greenland Ice Sheet (GrIS) melting since 2013, after a period of acceleration previously noted, is studied here. It is shown that the deceleration of GrIS melting since 2013 is due to the reduction in short‐wave solar radiation in the presence of increasing total cloud cover, which is driven by a more persistent positive summer North Atlantic Oscillation on the decadal time scale. By presenting the coherence with the temperature variability at the weather stations in Greenland, which have century‐long records, we deduce that the acceleration of GrIS melting during the early 2000s and the subsequent deceleration since 2013 will reoccur frequently on decadal time scales, with the amplitude nearly half of the multidecadal warming trend of the GrIS melt. It can reduce the mass loss from the GrIS on short to medium time scales but is unlikely to halt mass loss related to climate change in the future. This finding highlights the importance of internal climate variability on the mass budget of the GrIS and therefore on predictions of future global sea level change and may help to assist planning for associated social and economic consequences.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,270 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetClimate variability and modelsTravaux en français237 207