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 (SAF snow ) and sea ice (SAF ice ). 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 SAF snow EC is equally strong in CMIP6 as it was in past generations, while the SAF ice 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 SAF snow and SAF ice 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 SAF ice , and to a lesser extent SAF snow .
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».