Accelerating methane growth rate from 2010 to 2017: leading contributions from the tropics and East Asia
Notice bibliographique
Résumé
Abstract. After stagnating in the early 2000s, the atmospheric methane growth rate has been positive since 2007 with a significant acceleration starting in 2014. While the causes for previous growth rate variations are still not well determined, this recent increase can be studied with dense surface and satellite observations. Here, we use an ensemble of six multi-species atmospheric inversions that have the capacity to assimilate observations of the main species in the methane oxidation chain – namely, methane, formaldehyde, and carbon monoxide – to simultaneously optimize both the methane sources and sinks at each model grid. We show that the surge of the atmospheric growth rate between 2010–2013 and 2014–2017 is most likely explained by an increase of global CH4 emissions by 17.5±1.5 Tg yr−1 (mean ± 1σ), while variations in the hydroxyl radicals (OH) remained small. The inferred emission increase is consistently supported by both surface and satellite observations, with leading contributions from the tropical wetlands (∼ 35 %) and anthropogenic emissions in China (∼ 20 %). Such a high consecutive atmospheric growth rate has not been observed since the 1980s and corresponds to unprecedented global total CH4 emissions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».