MétaCan
Menu
Retour à la cohorte
Enregistrement W4220896139 · doi:10.5194/egusphere-egu22-5223

The Regional Fractional Energy Balance Equation: Projections to 2100

2022· preprint· en· W4220896139 sur OpenAlexaff
Roman Procyk, S. Lovejoy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemistry
Thématiquethermodynamics and calorimetric analyses
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSpan (engineering)MathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

<div> <p><span>We present the fractional energy balance equation (FEBE) which is a generalization of the standard EBE. The FEBE can be derived either from Budyko–Sellers models or phenomenologically by applying the scaling symmetry to energy storage processes. It is easily implemented by changing the integer order of the storage (derivative) term in the EBE to a fractional value near 1/2.</span><span> </span></p> </div><div> <p><span>The model used a Bayesian framework based on historical temperatures and natural and anthropogenic forcing series for parameter estimation. Significantly, the error model was not ad hoc, rather predicted by the model itself: the internal variability response to white noise internal forcing, a fraction Relaxation noise (fRn). Due to computational constraints, we employ a block bootstrapping method to calculate the likelihoods of our parameters in the Bayesian scheme. Notably we estimate the regional relaxation time directly from empirical data, generally it is calculated for various discrete surface types using heat capacities or globally from fitting a two-box model to GCM outputs, which to the authors knowledge has not been estimated prior to this study.</span><span> </span></p> </div><div> <p><span>The FEBE historical reconstructions (1880–2020) closely follow observations (notably during the “slowdown”, 1998–2015). We also reproduce the internal variability with the FEBE and statistically validate this against centennial scale temperature observations. We show the FEBE to plausibly reproduce the annual cycle at monthly resolution, in particular to explain the lag between the temperature maximum and the maximum in the radiative forcing.</span><span> </span></p> </div><div> <p><span>Using the calibrated FEBE we made temperature projections to 2100 using both the</span><span> </span><span>Representative Carbon Pathways (RCP) and Shared Socioeconomic Pathways (SSP) scenarios,</span><span> </span><span>shown alongside the Coupled Model Intercomparison Project Phase (CMIP) 5 and 6 multi-model ensemble (MME) at global and regional scales. </span><span> </span></p> </div>

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,992

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,041
Tête enseignante GPT0,290
Écart entre enseignants0,249 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetthermodynamics and calorimetric analysesTravaux en français237 207