MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220668553 · doi:10.5194/egusphere-egu22-9490

Future increase in Arctic moisture transport dominated by midlatitude CO2 forcing

2022· preprint· en· W4220668553 sur OpenAlexaff
Etienne Dunn‐Sigouin, Camille Li, Paul J. Kushner

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMiddle latitudesClimatologyForcing (mathematics)MoistureEnvironmental scienceArcticAtmospheric sciencesOrographyArctic geoengineeringEddyPrecipitationGeologySea iceOceanographyArctic ice packMeteorologyGeographyTurbulenceSea ice thickness

Résumé

récupéré en direct d'OpenAlex

Northward transport of moisture is a key driver of Arctic warming and is projected to increase in the future. However, the importance of local versus remote forcing, and the mechanisms through which they impact the Arctic, are unclear. Here, we determine the causes of increased Arctic moisture transport using climate model simulations in which idealised CO2 forcing is prescribed in distinct latitudinal regions. The sum of the regional responses reproduce the response to global forcing and resembles the future change seen in state-of-the-art climate model projections. Midlatitude forcing dominates future changes in Arctic moisture transport, while tropical and polar forcing play a secondary role. Increases in zonal-mean Arctic moisture transport result mostly from changes in transient eddy transport and scale with increased water vapour. Similar increases are found in an analogous set of simulations without the presence of land and orography, suggesting climatological zonal asymmetries, such as stationary eddies and gradients of sea-surface temperature, do not set the first-order zonal-mean response. In contrast, zonal changes in Arctic moisture transport are dominated by changes in stationary eddy transport, where both increased water vapour and meridional wind changes are important. Thus, the future increase in Arctic moisture transport depends primarily on dynamic and thermodynamic processes forced in midlatitudes.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→