MétaCan
Menu
← Retour à la cohorte
Enregistrement W3215530842 · doi:10.5194/acp-2021-975

Model evaluation of short-lived climate forcers for the Arctic Monitoring and Assessment Programme: a multi-species, multi-model study

2021· article· en· W3215530842 sur OpenAlexafffund
Cynthia Whaley, Rashed Mahmood, Knut von Salzen, Barbara Winter, Sabine Eckhardt, S. R. Arnold, S. R. Beagley, Silvia Becagli, Rong‐You Chien, Jesper Heile Christensen, Sujay Manish Damani, Konstantinos Eleftheriadis, Nikolaos Evangeliou, G. Faluvegi, M. Flanner, Joshua S. Fu, Michael Gauss, Fabio Giardi, Wanmin Gong, J. Hjorth, Lin Huang, Ulaş İm, Yugo Kanaya, Srinath Krishnan, Zbigniew Klimont, Thomas Kühn, Joakim Langner, Kathy S. Law, Louis Marelle, Andreas Maßling, Dirk Olivié, Tatsuo Onishi, Naga Oshima, Yiran Peng, David A. Plummer, Olga Popovicheva, Luca Pozzoli, Jean‐Christophe Raut, Maria Sand, Laura Saunders, Julia Schmale, Sangeeta Sharma, Henrik Skov, Fumikazu Taketani, Manu Anna Thomas, Rita Traversi, Kostas Tsigaridis, Svetlana Tsyro, Steven T. Turnock, Vito Vitale, Kaley A. Walker, Minqi Wang, Duncan Watson‐Parris, Tahya Weiss‐Gibbons

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversité de MontréalUniversity of TorontoEnvironment and Climate Change Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRussian Foundation for Basic ResearchMinistry of Education, Culture, Sports, Science and TechnologyNatural Environment Research CouncilSight Research UK
Mots-clésEnvironmental scienceArcticAtmospheric sciencesNorthern HemisphereClimatologyAtmosphere (unit)Climate modelArctic geoengineeringClimate changeRange (aeronautics)Global warmingGreenhouse gasAtmospheric modelTroposphereMeteorologyGeographyOceanographyArctic ice packGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. The Arctic atmosphere is warming rapidly and its relatively pristine environment is sensitive to the long-range transport of atmospheric pollutants. While carbon dioxide is the main cause for global warming, short-lived climate forcers (SLCFs) such as methane, ozone, and particles also play a role in Arctic climate on near-term time scales. Atmospheric modelling is critical for understanding the abundance and distribution of SLCFs throughout the Arctic atmosphere, and is used as a tool towards determining SLCF impacts on climate and health in the present and in future emissions scenarios. In this study, we evaluate 18 state-of-the-art atmospheric and Earth system models, assessing their representation of Arctic and Northern Hemisphere atmospheric SLCF distributions, considering a wide range of different chemical species (methane, tropospheric ozone and its precursors, black carbon, sulfate, organic aerosol, and particulate matter) and multiple observational datasets. Model simulations over four years (2008–2009 and 2014–2015) conducted for the 2021 Arctic Monitoring and Assessment Programme (AMAP) SLCF assessment report are thoroughly evaluated against satellite, ground, ship and aircraft-based observations. The results show a large range in model performance, with no one particular model or model type performing well for all regions and all SLCF species. The multi-model mean was able to represent the general features of SLCFs in the Arctic, though vertical mixing, long-range transport, deposition, and wildfire emissions remain highly uncertain processes. These need better representation within atmospheric models to improve their simulation of SLCFs in the Arctic environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,209
Tête enseignante GPT0,364
Écart entre enseignants0,155 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→