Modifying emission scenario projections to account for the effects ofCOVID-19: protocol for Covid-MIP
Notice bibliographique
Résumé
Abstract. Lockdowns to avoid the spread of COVID-19 have created an unprecedented reduction in human emissions. While the country-level scale of emissions changes can be estimated in near-real-time, the more detailed, gridded emissions estimates that are required to run General Circulation Models (GCM) of the climate will take longer to collect. In this paper we use recorded and projected country-and-sector activity levels to modify gridded predictions from the MESSAGE-GLOBIOM SSP2-4.5 scenario. We provide updated projections for concentrations of greenhouse gases, emissions fields for aerosols and precursors, and the ozone and optical properties that result from this. The codebase to perform similar modifications to other scenarios is also provided. We outline the means by which these results may be used in a model intercomparison project (CovidMIP) to investigate the impact of national lockdown measures on climate. This includes three strands: an assessment of short-term effects (5-year period), of longer-term effects (30 years) and an investigation into the separate effects of changes in emissions of greenhouse gases and aerosols. This last strand supports possible attribution of observed changes in the climate system, hence these simulations will also form part of the Detection and Attribution Model Intercomparison Project (DAMIP).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».