Narrowing uncertainty on past and future human-induced warming using Kriging
Notice bibliographique
Résumé
Using historical observations to constrain climate projections is an old idea. A variety of approaches, time periods and scales have been used to this purpose. Simultaneously, detection and attribution (D&A) methods have been developed to assess the contribution of subsets of forcings to historical changes, and have also been used to constrain projections. Here, we describe a unified statistical method to constrain the entire forced response pathway of global mean temperature using an adaptation of Kriging. We start by introducing this new statistical approach. Then, we derive consistent observationally-constrained estimates of attributable warming to date for various forcings, attributable warming rate, the response to various scenarios, Transient Climate Response (TCR), and Equilibrium Climate Sensitivity (ECS). Using revised observations of near-surface atmospheric temperature, we estimate a total forced warming of 1.19+/-0.15°C in 2019, with respect to the 1850-1900 baseline. Based on the newly available CMIP6 ensemble, we find that historical observations narrow uncertainty on past and future warming by about 50%, while evidence suggests that the proposed technique is not over-confident. Remarkably, both sides of uncertainty ranges are affected, leading to a 5–95% range for TCR of 1.44–2.35°C. We also compare and discuss the differences between the CMIP5 and CMIP6 ensembles. The proposed method is easily transposable, thus opening the possibility to monitor climate change and narrow uncertainty at the regional scale and/or for different climate variables.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».