Cloud Feedbacks from CanESM2 to CanESM5.0 and their influence on climate sensitivity
Notice bibliographique
Résumé
Abstract. The newest iteration of the Canadian Earth System Model (CanESM5.0.3) has an effective climate sensitivity (EffCS) of 5.65 K, which is a 54 % increase relative to the model's previous version (CanESM2 – 3.67 K), and the highest sensitivity of all current models participating in the sixth phase of the coupled model inter-comparison project (CMIP6). Here, we explore the underlying causes behind CanESM5's increased EffCS via comparison of forcing and feedbacks between CanESM2 and CanESM5. We find only modest differences in radiative forcing as a response to CO2 between model versions. We find small increases in the surface albedo and longwave cloud feedback, as well as a substantial increase in the SW cloud feedback in CanESM5. Through the use of cloud area fraction output and cloud radiative kernels, we find that more positive low and non-low shortwave cloud feedbacks – particularly with regards to low clouds across the equatorial Pacific, as well as subtropical and extratropical free troposphere cloud optical depth – are the dominant contributors to CanESM5's increased climate sensitivity. Additional simulations with prescribed sea surface temperatures reveal that the spatial pattern of surface temperature change exerts controls on the magnitude and spatial distribution of low-cloud fraction response but does not fully explain the increased EffCS in CanESM5. The results from CanESM5 are consistent with increased EffCS in several other CMIP6 models, which has been primarily attributed to changes in shortwave cloud feedbacks.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».