MétaCan
Menu
Retour à la cohorte
Enregistrement W3210639994 · doi:10.1007/s10584-021-03249-z

The relationship between net GHG emissions and radiative forcing with an application to Article 4.1 of the Paris Agreement

2021· article· en· W3210639994 sur OpenAlexfundno aff
T. M. L. Wigley

Notice bibliographique

RevueClimatic Change · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoNational Science Foundation
Mots-clésGreenhouse gasRadiative forcingEnvironmental scienceGlobal-warming potentialScalingForcing (mathematics)Global warmingAtmospheric sciencesMethaneClimate changeClimatologyMathematicsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This paper provides an assessment of Article 4.1 of the Paris Agreement on climate; the main goal of which is to provide guidance on how “to achieve the long-term temperature goal set out in Article 2”. Paraphrasing, Article 4.1 says that, to achieve this end, we should decrease greenhouse gas (GHG) emissions so that net anthropogenic GHG emissions fall to zero in the second half of this century. To aggregate net GHG emissions, 100-year global warming potentials (GWP-100) are commonly used to convert non-CO 2 emissions to equivalent CO 2 emissions. The GWP-scaling method is tested using methane as an example. The temperature projections using GWP-100 scaling are shown to be seriously in error. This throws doubt on the use of GWP-100 scaling to estimate net GHG emissions. An alternative method to determine the net-zero point for GHG emissions based on radiative forcing is derived, where the net-zero point is identified with the maximum of GHG forcing. This shows that, to meet the Article 2 warming goal, the net-zero point for GHG emissions needs to be reached as early as 2036, much sooner than in the Article 4.1 window. Other scientific problems in Article 4.1 that further undermine its purpose to guide efforts to achieve the Article 2 temperature targets are discussed.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,213

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,031
Tête enseignante GPT0,253
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207