Limited Mitigation Potential of Forestation Under a High Emissions Scenario: Results From Multi‐Model and Single Model Ensembles
Notice bibliographique
Résumé
Abstract Forestation is a major component of future long‐term emissions reduction and CO2 removal strategies, but the viability of carbon stored in vegetation under future climates is highly uncertain. We analyze the results from seven CMIP6 models for a combined scenario with high fossil fuel emissions (from SSP5‐8.5) and forest expansion (from SSP1‐2.6) which has ∼4.8% increase in global total forest cover relative to 2015. This scenario aims to demonstrate the ability of forestation strategies to mitigate climate change under continued increasing CO2 emissions and includes the potential impacts of increased CO2 concentration and a warming climate on vegetation growth. The model intercomparison shows that forestation as a CO2 removal strategy has limited impact on global climate under a high global warming scenario, despite generating a substantial cumulative carbon sink of 10–60 Pg C over the period 2015–2100. Using a single model ensemble, we show that there are local increases in warm extremes in response to forestation associated with decreases in the number of cool days. Furthermore, we find evidence of a shift in the global carbon balance, whereby increased carbon storage on land of ∼25 Pg C by 2100 associated with forestation has a concomitant decrease in the carbon uptake by the ocean due to reduced atmospheric CO2 concentrations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».