Assessing Prior Emergent Constraints on Surface Albedo Feedback in CMIP6
Notice bibliographique
Résumé
Abstract An emergent constraint (EC) is a popular model evaluation technique, which offers the potential to reduce intermodel variability in projections of climate change. Two examples have previously been laid out for future surface albedo feedbacks (SAF) stemming from loss of Northern Hemisphere (NH) snow cover (SAFsnow) and sea ice (SAFice). These processes also have a modern-day analog that occurs each year as snow and sea ice retreat from their seasonal maxima, which is strongly correlated with future SAF across an ensemble of climate models. The newly released CMIP6 ensemble offers the chance to test prior constraints through out-of-sample verification, an important examination of EC robustness. Here, we show that the SAFsnow EC is equally strong in CMIP6 as it was in past generations, while the SAFice EC is also shown to exist in CMIP6, but with different, slightly weaker characteristics. We find that the CMIP6 mean NH SAF exhibits a global feedback of 0.25 ± 0.05 W m−2 K−1, or ~61% of the total global albedo feedback, largely in line with prior generations despite its increased climate sensitivity. The NH SAF can be broken down into similar contributions from snow and sea ice over the twenty-first century in CMIP6. Crucially, intermodel variability in seasonal SAFsnow and SAFice is largely unchanged from CMIP5 because of poor outlier simulations of snow cover, surface albedo, and sea ice thickness. These outliers act to mask the noted improvement from many models when it comes to SAFice, and to a lesser extent SAFsnow.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».