MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309146122 · doi:10.5194/bg-2022-168-ac1

Reply on RC1

2022· peer-review· en· W4309146122 sur OpenAlexaff
Rachel Chimuka

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCarbon cycleGreenhouse gasEnvironmental scienceCarbon fibersCarbon dioxideAtmospheric carbon cyclePositive feedbackAtmospheric sciencesClimate changeCarbon sinkCarbon dioxide in Earth's atmosphereClimatologyCarbon sequestrationEcosystemChemistryEcologyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Land and ocean carbon sinks play a major role in regulating atmospheric CO2 concentration and climate. However, their future efficiency depends on feedbacks in response to changes in atmospheric CO2 concentration and climate, namely the concentration-carbon and climate-carbon feedbacks. Since carbon dioxide removal is a key mitigation measure in emission scenarios consistent with global temperature goals in the Paris agreement, understanding carbon cycle feedbacks under negative CO2 emissions is essential. This study investigates land carbon cycle feedbacks under positive and negative CO2 emissions using an Earth system model driven with idealized scenarios of atmospheric CO2 increase and decrease, run in three modes. Our results show that the magnitude of carbon cycle feedbacks differs between the atmospheric CO2 ramp-up (positive emissions) and ramp-down (negative emissions) phases. These differences are likely largely due to climate system inertia: the response in the ramp-down phase represents the response to both the prior positive emissions and negative emissions. To isolate carbon cycle feedbacks under negative emissions and quantify these feedbacks more accurately, we propose a novel approach that uses zero emissions simulations to reduce this inertia. We find that the magnitudes of the concentration-carbon and climate-carbon feedbacks under negative emissions are larger in our novel approach than in the standard approach. This has two implications: using feedback parameters from the standard approach will (1) underestimate carbon release under negative emissions due to the concentration-carbon feedback, and (2) underestimate carbon gain due to the climate-carbon feedback. Given that the concentration-carbon feedback is the dominant feedback, quantifying carbon cycle feedbacks with the standard approach will result in the underestimation of carbon loss under negative emissions, thereby overestimating the effectiveness of negative emissions in drawing down CO2.

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)0,003
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,484

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0060,005
Science ouverte0,0040,003
Intégrité de la recherche0,0280,026
Charge utile insuffisante (le modèle a refusé de juger)0,1450,115

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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→