MétaCan
Menu
Retour à la cohorte
Enregistrement W3135839523 · doi:10.1126/sciadv.abf7133

Quantifying the influence of short-term emission reductions on climate

2021· article· en· W3135839523 sur OpenAlexaff
John C. Fyfe, V. V. Kharin, Neil C. Swart, Gregory M. Flato, Michael Sigmond, Nathan P. Gillett

Notice bibliographique

RevueScience Advances · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésTerm (time)Environmental scienceClimate changeAtmospheric sciencesClimatologyEcologyBiologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

The COVID-19 (coronavirus disease 2019) pandemic has resulted in a marked slowdown in greenhouse gas and aerosol emissions. Although the resulting emission reductions will continue to evolve, this will presumably be temporary. Here, we provide estimates of the potential effect of such short-term emission reductions on global and regional temperature and precipitation by analyzing the response of an Earth System Model to a range of idealized near-term emission pathways not considered in available model intercomparison projects. These estimates reveal the modest impact that temporary emission reductions associated with the COVID-19 pandemic will have on global and regional climate. Our simulations suggest that the impact of carbon dioxide and aerosol emission reductions is actually a temporary enhancement in warming rate. However, our results demonstrate that even large emission reductions applied for a short duration have only a small and likely undetectable impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,092
Tête enseignante GPT0,397
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations53
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetClimate Change and Health ImpactsTravaux en français237 207