Climate Sensitivity to Volcanic Aerosol Forcing
Notice bibliographique
Résumé
Volcanic aerosol forcing has been reported in the literature to be less effective in changing the earth’s surface temperature than CO2 forcing. This implies a different feedback strength, and therefore different contributions from individual feedback mechanisms. We employ the CMIP6 version of MPI-ESM to understand the reasons for these apparent differences in the ability to change the surface air temperature. Using a highly idealized eruption scenario and comparing it to a doubling and a halving of CO2 concentration, we identify key reasons for changes in the magnitude of the feedback parameter. We show that the “efficacy” [Hansen et al. 2005] of volcanic aerosol forcing depends strongly on the method and the time scale used to calculate it. We argue that the seemingly established result of a lower-than-unity efficacy of volcanic aerosol forcing might only hold under the specific methodological choices other authors have made, but not in general. Furthermore, we find qualitative differences between the cooling and warming simulations, but strong similarities between the 0.5xCO2 and the idealized eruption cases. This hints towards processes, which are not forcing agent-specific, but specific to the sign of the forcing. A pronounced curvature in the N(T) plot (“Gregory plot”) for the cooling scenarios makes the computation of feedback through regression even more sensitive to subjective choices than in the 2xCO2 case. We disentangle the role of ocean heat uptake efficacy and atmospheric feedback processes in the framework of the pattern effect.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».