MétaCan
Menu
Retour à la cohorte
Enregistrement W3014403980 · doi:10.1029/2020gl087929

Forcing Dependence of Atmospheric Lapse Rate Changes Dominates Residual Polar Warming in Solar Radiation Management Climate Scenarios

2020· article· en· W3014403980 sur OpenAlexafffund
Matthew Henry, Timothy M. Merlis

Notice bibliographique

RevueGeophysical Research Letters · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésEnvironmental scienceLapse rateAtmospheric sciencesLatitudeGlobal warmingForcing (mathematics)ClimatologyClimate changeResidualGreenhouse gasGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Simulations of solar radiation management (SRM) geoengineering using comprehensive general circulation models show a residual surface warming at high latitudes. Previous work attributes this to the difference in forcing structure between the increase in greenhouse gases and decrease in insolation, but this neglects the role of the induced reduction in atmospheric energy transport. Here we show that the difference in vertical structure of temperature change between increasing CO 2 , decreasing insolation, and decreasing atmospheric energy transport is the dominant reason for the residual near‐surface warming at high latitudes. A single‐column model (SCM) is used to decompose the high‐latitude temperature change and shows the importance of the enhanced near‐surface warming from the CO 2 increase in explaining the residual polar warming. This suite of models invites caution when attributing high‐latitude surface temperature changes to the lapse rate feedback, as various forcings and nonlocal processes affect the vertical structure of temperature change differently.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,275
Écart entre enseignants0,247 · 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

Citations31
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate Change and GeoengineeringTravaux en français237 207