Aerosols and their impacts on future Arctic climate change under different emission projections in the GISS-E2.1 Earth system model
Notice bibliographique
Résumé
In order to study the future aerosol burdens and their radiative and climate impacts over the Arctic (>60 °N), future (2015-2050) simulations have been carried out using the GISS-E2.1 Earth system model. Different future anthrpogenic emission projections have been used from the Eclipse V6b and the Coupled Model Intercomparison Project Phase 6 (CMIP6) databases. Results showed that Arctic BC, OC and SO42- burdens decrease significantly in all simulations following the emission projections, with the CMIP6 ensemble showing larger reductions in Arctic aerosol burdens compared to the Eclipse ensemble. For the 2030-2050 period, both the Eclipse Current Legislation (CLE) and the Maximum Feasible Reduction (MFR) ensembles simulated an aerosol top of the atmosphere (TOA) forcing of -0.39±0.01 W m-2, of which -0.24±0.01 W m-2 were attributed to the anthropogenic aerosols. The CMIP6 SSP3-7.0 scenario simulated a TOA aerosol forcing of -0.35 W m-2 for the same period, while SSP1-2.6 and SSP2-4.5 scenarios simulated a slightly more negative TOA forcing (-0.40 W m-2), of which the anthropogenic aerosols accounted for -0.26 W m-2. The 2030-2050 mean surface air temperatures are projected to increase by 2.1 °C and 2.4 °C compared to the 1990-2010 mean temperature according to the Eclipse CLE and MFR ensembles, respectively, while the CMIP6 simulation calculated an increase of 1.9 °C (SSP1-2.6) to 2.2 °C (SSP3-7.0). Overall, results show that even the scenarios with largest emission reductions lead to similar impact on the future Arctic surface air temperatures compared to scenarios with smaller emission reductions, while scenarios with no or little mitigation leads to much larger sea-ice loss, implying that even though the magnitude of aerosol reductions lead to similar responses in surface air temperatures, high mitigation of aerosols are still necessary to limit sea-ice loss.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».