MétaCan
Menu
Retour à la cohorte
Enregistrement W4296449000 · doi:10.1029/2022ef002715

Estimating the Likelihood of GHG Concentration Scenarios From Probabilistic Integrated Assessment Model Simulations

2022· article· en· W4296449000 sur OpenAlexafffund
David Huard, Jeremy Fyke, Iñigo Capellán‐Pérez, H. Damon Matthews, Antti‐Ilari Partanen

Notice bibliographique

RevueEarth s Future · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensConcordia UniversityOuranos
Organismes subventionnairesTransport Canada
Mots-clésCoupled model intercomparison projectProbabilistic logicEnvironmental scienceClimate changeGreenhouse gasRepresentative Concentration PathwaysClimate modelBayesian probabilityStatistical modelSampling (signal processing)EconometricsComputer scienceStatisticsClimatologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The climate scenarios that form the basis for current climate risk assessments have no assigned probabilities, and this impedes the analysis of future climate risks. This paper proposes an approach to estimate the probability of carbon dioxide (CO2) concentration scenarios used in key climate change modeling experiments. It computes the CO2 emissions compatible with the concentrations prescribed by Coupled Model Intercomparison Project Phase 5 (CMIP5) and CMIP6 experiments. The distribution of these compatible cumulative emissions is interpreted as the likelihood of future emissions given a concentration pathway. Using Bayesian analysis, the probability of each pathway can be estimated from a probabilistic sample of future emissions. The approach is demonstrated with five probabilistic CO2 emission simulation ensembles from four Integrated Assessment Models (IAM), leading to independent estimates of the likelihood of the CO2 concentration of Representative Concentration Pathways (RCP) and Shared Socioeconomic Pathways (SSP). Results suggest that SSP5‐8.5 is unlikely for the second half of the 21st century, but offer no clear consensus on which of the remaining scenarios is most likely. Estimates of likelihoods of CO2 concentrations associated with RCP and SSP scenarios are affected by sampling errors, differences in emission sources simulated by the IAMs, and a lack of a common experimental framework for IAM simulations. These shortcomings, along with a small IAM ensemble size, limit the applicability of the results presented here. Novel joint IAM and the Earth System Model experiments are needed to deliver actionable probabilistic climate risk assessments.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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

Citations51
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207